Я пытаюсь согласовать многомерную модель линейной регрессии с приблизительно 60 предикторами и 30 наблюдениями, поэтому я использую пакет glmnet для регуляризованной регрессии, потому что p> n.
Я просматривал документацию и другие вопросы, но все еще не могу интерпретировать результаты, вот пример кода (с 20 предикторами и 10 наблюдениями для упрощения):
Я создаю матрицу x с num строк = num наблюдений и num cols = num предикторов и вектором y, который представляет переменную ответа
> x=matrix(rnorm(10*20),10,20)
> y=rnorm(10)
Я подхожу для модели glmnet, оставляя альфа по умолчанию (= 1 для штрафа Лассо)
> fit1=glmnet(x,y)
> print(fit1)
Я понимаю, что я получаю разные прогнозы с уменьшением значений лямбда (то есть штраф)
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
Теперь я предсказываю свои бета-значения, выбирая, например, наименьшее лямбда-значение из 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
Если вместо этого я выбираю лямбда с
cv <- cv.glmnet(x,y)
model=glmnet(x,y,lambda=cv$lambda.min)
Все переменные будут (.).
Сомнения и вопросы:
- Я не уверен, как выбрать лямбду.
- Должен ли я использовать не (.) Переменные, чтобы соответствовать другой модели? В моем случае я хотел бы сохранить как можно больше переменных.
- Как узнать значение p, то есть какие переменные в значительной степени предсказывают ответ?
Я прошу прощения за мои плохие статистические знания! И спасибо за любую помощь.