lambda.min不收敛于cv.glmnet的glmnet

Question

我运行了一个20倍的cv.glmnet套索模型，以获得“最优”值的羔羊。但是，当我试图复制来自glmnet()的结果时，I会得到一个错误，即：

Warning messages:
1: from glmnet Fortran code (error code -1); Convergence for 1th lambda
   value not reached after maxit=100000 iterations; solutions for larger 
   lambdas returned 
2: In getcoef(fit, nvars, nx, vnames) :
   an empty model has been returned; probably a convergence issue

我的代码如下：

set.seed(5)
cv.out <- cv.glmnet(x[train,],y[train],family="binomial",nfolds=20,alpha=1,parallel=TRUE)
coef(cv.out)
bestlam <- cv.out$lambda.min
lasso.mod.best <- glmnet(x[train,],y[train],alpha=1,family="binomial",lambda=bestlam)

现在，上面bestlam的值是2.976023e-05，所以这可能是造成问题的原因？这是一个关于λ价值的四舍五入的问题吗？为什么我不能直接从glmnet()函数中复制结果呢？如果我在类似于bestlam值的范围内使用lambda值的向量，则没有任何问题。

Answer 1

您正在将单个lambda传递给您的glmnet (lambda=bestlab)，这是一个大的不-不(您试图使用一个lambda值来训练一个模型)。

来自glmnet文档(?glmnet)

lambda: A user supplied lambda sequence. Typical usage is to have the 
program compute its own lambda sequence based on nlambda and 
lambda.min.ratio. Supplying a value of lambda overrides this. WARNING: use 
with care. Do not supply a single value for lambda (for predictions after CV 
use predict() instead). Supply instead a decreasing sequence of lambda 
values. glmnet relies on its warms starts for speed, and its often faster to 
fit a whole path than compute a single fit.

Answer 2

在这方面，glmnet有点棘手--您将希望使用一系列lambda(例如，设置nlambda=101)来运行您最好的模型，然后当您预测set s=bestlam和exact=FALSE时。