Wybór funkcji i model z glmnetem na danych metylacji (p >> N)

Chciałbym użyć GLM i elastycznej sieci, aby wybrać te istotne cechy + zbudować model regresji liniowej (tj. Zarówno przewidywanie, jak i zrozumienie, więc lepiej byłoby pozostawić stosunkowo niewiele parametrów). Wyjście jest ciągłe. To genów na przypadków. Czytałem o pakiecie, ale nie jestem w 100% pewien kroków, które należy wykonać:$20000$$50$glmnet

1. Wykonaj CV, aby wybrać lambda:
   cv <- cv.glmnet(x,y,alpha=0.5)
   (Q1) biorąc pod uwagę dane wejściowe, czy wybrałbyś inną wartość alfa?
   (Q2) Czy muszę zrobić coś innego przed zbudowaniem modelu?

2. Dopasuj model:
   model=glmnet(x,y,type.gaussian="covariance",lambda=cv$lambda.min)
   (Q3) coś lepszego niż „kowariancja”?
   (Q4) Jeśli lambda została wybrana przez CV, dlaczego ten krok jest potrzebny nlambda=?
   (Q5) czy lepiej jest użyć lambda.minczy lambda.1se?

3. Uzyskaj współczynniki, aby zobaczyć, które parametry wypadły („.”):
   predict(model, type="coefficients")

   Na stronie pomocy istnieje wiele predictmetod (na przykład predict.fishnet, predict.glmnet, predict.lognetitp). Ale wszelkie „proste” przewidują, jak widziałem na przykładzie.
   (Q6) należy używać predictlub predict.glmnetlub inny?

Pomimo tego, co przeczytałem o metodach regularyzacji, jestem całkiem nowy w R i w tych pakietach statystycznych, więc trudno jest się upewnić, czy dostosowuję mój problem do kodu. Wszelkie sugestie będą mile widziane.

AKTUALIZACJA
Na podstawie „Jak wcześniej wspomniano, obiekt klasy pociągu zawiera element o nazwie finalModel, który jest dopasowanym modelem z wartościami parametrów strojenia wybranymi przez ponowne próbkowanie. Obiekt ten można wykorzystać w tradycyjny sposób do generowania prognoz dla nowych próbek, używając tego funkcja przewidywania modelu ”.

Używając caretdo dostrojenia zarówno alfa, jak i lambda:

  trc = trainControl(method=cv, number=10)  
  fitM = train(x, y, trControl = trC, method="glmnet")  

Czy fitMzastępuje poprzedni krok 2? Jeśli tak, to jak teraz określić opcje glmnet ( type.gaussian="naive",lambda=cv$lambda.min/1se)?
A następnego predictkroku, mogę wymienić modelsię fitM?

Jeśli zrobię

  trc = trainControl(method=cv, number=10)  
  fitM = train(x, y, trControl = trC, method="glmnet")  
  predict(fitM$finalModel, type="coefficients")

czy to ma w ogóle sens, czy niewłaściwie mieszam oba słownictwo z pakietu?

Część 1

W siatce elastycznej stosowane są dwa rodzaje ograniczeń parametrów

1. Ograniczenia Lasso (tj. wielkości wartości bezwzględnych )$\beta_j$
2. Ograniczenia (tj. Wielkość kwadratowych wartości )$\beta_j$

$\alpha$ kontroluje względną wagę tych dwóch typów. Wiązania Lasso pozwalają na wybór / usuwanie zmiennych w modelu. Ograniczenia kalenicowe radzą sobie ze zmiennymi współliniowymi. To, na co przykładasz większą wagę, będzie zależeć od właściwości danych; wiele skorelowanych zmiennych może wymagać obu ograniczeń, kilka skorelowanych zmiennych może sugerować większy nacisk na ograniczenia grzbietowe.

Jednym ze sposobów rozwiązania tego problemu jest potraktowanie jako parametru strojenia obok i użycie wartości, które dają najniższy błąd CV, w taki sam sposób, w jaki w tym momencie tunujesz nad .$\alpha$$\lambda$$\lambda$cv.glmnet

Daszek pakietu R może budować modele przy użyciu pakietu glmnet i powinien być skonfigurowany do dostrojenia obu parametrów i .$\alpha$$\lambda$

Część 2

Pytanie 3

Tak, w tym przypadku, gdy (liczba zmiennych liczba obserwacji), strona pomocy sugeruje użycie$m \gg n$$\gg$?glmnet

type.gaussian = "naive"

Zamiast przechowywać wszystkie obliczone po drodze produkty wewnętrzne, które mogą być nieefektywne przy dużej liczbie zmiennych lub gdy , opcja zapętli się nad każdym razem, gdy jest to wymagane do komputera produktów wewnętrznych.$m \gg n$"naive"$n$

Jeśli nie podałeś tego argumentu, glmneti "naive"tak wybrałbyś jako , ale lepiej jest podać to jawnie, ponieważ ustawienia domyślne i opcje zmieniają się później w pakiecie, a kod jest uruchamiany w przyszłości.$m > 500$

Pytanie 4

Krótka odpowiedź, na razie nie musisz określać wysokiej wartości, ponieważ nlambdawybrałeś wartość optymalną, zależną od . Jeśli jednak chcesz wykreślić ścieżki współczynników itp., To posiadanie skromnego zestawu wartości w przedziale powoduje znacznie ładniejszy zestaw ścieżek. Obciążenie obliczeniowe związane z wykonaniem całej ścieżki w stosunku do jednego konkretnego nie jest tak duże, co jest wynikiem dużego wysiłku w celu opracowania algorytmów do prawidłowego wykonania tego zadania. Po prostu pozostawiłbym domyślną, chyba że robi to znaczącą różnicę w czasie obliczeń.$\alpha = 0.5$$\lambda$$\lambda$nlambda

Pytanie 5

To jest pytanie o pasternactwo. lambda.minOpcja odnosi się do wartości na najniższym błędu CV. Błąd przy tej wartości jest średnią błędów nad fałdami, a zatem ta ocena błędu jest niepewna. Reprezentuje wartość w wyszukiwaniu, która była prostsza niż najlepszy model ( ), ale które ma błędu w 1 błąd standardowy najlepszego modelu. Innymi słowy, użycie wartości jako wybranej wartości dla$\lambda$$\lambda$$k$lambda.1se$\lambda$lambda.minlambda.1se$\lambda$skutkuje modelem, który jest nieco prostszy niż najlepszy model, ale którego nie można odróżnić od najlepszego modelu pod względem błędu, biorąc pod uwagę niepewność w krotnym oszacowaniu CV błędu najlepszego modelu.$k$

Wybór nalezy do ciebie:

1. Najlepszy model, który może być zbyt złożony lub nieco przebudowany: lambda.min
2. Najprostszy model, który ma błąd porównywalny do najlepszego, biorąc pod uwagę niepewność: lambda.1se

Część 3

Jest to prosty i często spotyka się go z R. Korzystasz z predict()funkcji przez 99,9% czasu. R zaaranżuje użycie poprawnej funkcji dla obiektu podanego jako pierwszy argument.

Z technicznego punktu widzenia predictjest to funkcja ogólna, która ma metody (wersje funkcji) dla obiektów różnych typów (technicznie zwanych klasami ). Obiekt utworzony przez glmnetma określoną klasę (lub klasy) w zależności od tego, jaki typ modelu jest rzeczywiście dopasowany. glmnet (pakiet) zapewnia metody predictdla tych różnych typów obiektów. R wie o tych metodach i wybierze odpowiednią na podstawie klasy dostarczonego obiektu.