Próbuję dopasować wielowymiarowy model regresji liniowej z około 60 zmiennymi predykcyjnymi i 30 obserwacjami, więc używam pakietu glmnet do regresji regularnej, ponieważ p> n.
Przeglądałem dokumentację i inne pytania, ale nadal nie mogę zinterpretować wyników, oto przykładowy kod (z 20 predyktorami i 10 obserwacjami w celu uproszczenia):
Tworzę macierz x z num rzędów = num obserwacji i num cols = num predyktorów i wektor y reprezentujący zmienną odpowiedzi
> x=matrix(rnorm(10*20),10,20)
> y=rnorm(10)
Dopasowuję model glmnet, pozostawiając alpha jako domyślną (= 1 dla kary Lasso)
> fit1=glmnet(x,y)
> print(fit1)
Rozumiem, że otrzymuję różne prognozy ze spadającymi wartościami lambda (tj. Kara)
Call: glmnet(x = x, y = y)
Df %Dev Lambda
[1,] 0 0.00000 0.890700
[2,] 1 0.06159 0.850200
[3,] 1 0.11770 0.811500
[4,] 1 0.16880 0.774600
.
.
.
[96,] 10 0.99740 0.010730
[97,] 10 0.99760 0.010240
[98,] 10 0.99780 0.009775
[99,] 10 0.99800 0.009331
[100,] 10 0.99820 0.008907
Teraz przewiduję moje wartości Beta, wybierając na przykład najmniejszą podaną wartość lambda glmnet
> predict(fit1,type="coef", s = 0.008907)
21 x 1 sparse Matrix of class "dgCMatrix"
1
(Intercept) -0.08872364
V1 0.23734885
V2 -0.35472137
V3 -0.08088463
V4 .
V5 .
V6 .
V7 0.31127123
V8 .
V9 .
V10 .
V11 0.10636867
V12 .
V13 -0.20328200
V14 -0.77717745
V15 .
V16 -0.25924281
V17 .
V18 .
V19 -0.57989929
V20 -0.22522859
Jeśli zamiast tego wybieram lambda z
cv <- cv.glmnet(x,y)
model=glmnet(x,y,lambda=cv$lambda.min)
Wszystkie zmienne to (.).
Wątpliwości i pytania:
- Nie jestem pewien, jak wybrać lambda.
- Czy należy użyć zmiennych innych niż (.), Aby dopasować do innego modelu? W moim przypadku chciałbym zachować jak najwięcej zmiennych.
- Jak poznać wartość p, tj. Które zmienne znacznie przewidują odpowiedź?
Przepraszam za słabą wiedzę statystyczną! I dziękuję za wszelką pomoc.