Lasso，glmnet，数据预处理

Question

我试图使用glmnet软件包在具有二进制结果( logit)的模型上安装一个套索(L1惩罚)。除一个连续变量外，我的预测器都是二进制的(它们是1/0没有有序的，~4000)。我需要将预测器转换成稀疏矩阵，因为这需要花费很长时间，否则需要一天时间。我的问题是:人们似乎在使用sparse.model.matrix，而不仅仅是将它们的矩阵转换为稀疏矩阵。为什么会这样呢？我需要在这里做这个吗？两种方法的结果略有不同。

此外，我的因素是否需要编码为因子(涉及结果和预测因素)，还是使用稀疏矩阵并在glmnet模型中指定结果是二项式是否足够？

这是我目前所做的

#Create a random dataset, y is outcome, x_d is all the dummies (10 here for simplicity) and x_c  is the  cont variable 
y<- sample(c(1:0), 200, replace = TRUE)
x_d<- matrix(data= sample(c(1:0), 2000, replace = TRUE), nrow=200, ncol=10)
x_c<- sample(60:90, 200, replace = TRUE) 

#FIRST: scale that one cont variable. 
scaled<-scale(x_c,center=TRUE, scale=TRUE)

#then predictors together
x<- cbind(x_d, scaled) 

#HERE'S MY MAIN QUESTION: What i currently do is: 
xt<-Matrix(x ,  sparse = TRUE) 

#then run the cross validation...
cv_lasso_1<-cv.glmnet(xt, y, family="binomial", standardize=FALSE)

#which gives slightly different results from (here the outcome variable is in the x matrix too) 
xt<-sparse.model.matrix(data=x, y~.)

#then run CV. 

因此，总结我的两个问题是:1-我是否需要使用sparse.model.matrix，即使我的因素只是二进制和没有排序？如果是的话，它实际上有什么不同之处，只将矩阵转换成稀疏矩阵2-我需要将二进制变量编码为因子吗？我问这个问题的原因是我的数据集很大。它节省了大量的时间，只是这样做，而不是编码作为因素。

Answer 1

我不认为你需要一个sparse.model.matrix，因为它真正给你的是因子项的扩展，如果你已经是二进制的话，它不会给你任何东西。您当然不需要将其编码为因子，我经常在一个只有1的规则(非模型)稀疏矩阵上使用glmnet。在一天结束时，glmnet是一种数值方法，所以因子最终会被转换成一个数字。