试着在R中使用exact=TRUE特性

Question

我正在尝试在glmnet中使用exact=TRUE特性。但我收到了一条错误信息。

> fit = glmnet(as.matrix(((x_values))), (as.matrix(y_values)),penalty=variable.list$penalty)
> coef.exact = coef(fit, s = 0.03, exact = TRUE)
Error: used coef.glmnet() or predict.glmnet() with `exact=TRUE` so must in addition supply original argument(s)  x and y and penalty.factor  in order to safely rerun glmnet

如何将penalty.factor提供给coef.exact？

已尝试的方案：-

> coef.exact = coef(as.matrix(((x_values))), (as.matrix(y_values)),penalty=variable.list$penalty, s = 0.03, exact = TRUE)
Error: $ operator is invalid for atomic vectors
> 
> coef.exact = coef((as.matrix(((x_values))), (as.matrix(y_values)),penalty=variable.list$penalty), s = 0.03, exact = TRUE)
Error: unexpected ',' in "coef.exact = coef((as.matrix(((x_values))),"
> 
> coef.exact = coef((as.matrix(((x_values))) (as.matrix(y_values)) penalty=variable.list$penalty), s = 0.03, exact = TRUE)
Error: unexpected symbol in "coef.exact = coef((as.matrix(((x_values))) (as.matrix(y_values)) penalty"
> 
> coef.exact = coef(fit(as.matrix(((x_values))), (as.matrix(y_values)),penalty=variable.list$penalty), s = 0.03, exact = TRUE)
Error in fit(as.matrix(((x_values))), (as.matrix(y_values)), penalty = variable.list$penalty) : 
  could not find function "fit"
> 
> coef.exact = coef(glmnet(as.matrix(((x_values))), (as.matrix(y_values)),penalty=variable.list$penalty), s = 0.03, exact = TRUE)
Error: used coef.glmnet() or predict.glmnet() with `exact=TRUE` so must in addition supply original argument(s)  x and y and penalty.factor  in order to safely rerun glmnet
> 

Answer 1

下面是一个使用mtcars作为示例数据的示例。注意，在发布时最好提供包含示例数据的minimal & reproducible code example。

# Fit mpg ~ wt + disp
x <- as.matrix(mtcars[c("wt", "disp")]);
y <- mtcars[, "mpg"];
fit <- glmnet(x, y, penalty = 0.1); 

# s is our regularisation parameter, and since we want exact results
# for s=0.035, we need to refit the model using the full data (x,y)
coef.exact <- coef(fit, s = 0.035, exact = TRUE, x = x, y = y, penalty.factor = 0.1);
coef.exact;
#3 x 1 sparse Matrix of class "dgCMatrix"
#                      1
#(Intercept) 34.40289989
#wt          -3.00225110
#disp        -0.02016836

您明确需要再次提供x和y的原因是在?coef.glmnet中给出的(也请参阅@FelipeAlvarenga )。

因此，就您的情况而言，以下内容应该有效：

fit = glmnet(x = as.matrix(x_values), y = y_values, penalty=variable.list$penalty)
coef.exact = coef(
    fit, 
    s = 0.03, 
    exact = TRUE, 
    x = as.matrix(x_values), 
    y = y_values, 
    penalty.factor = variable.list$penalty)

一些评论

可能是由于模型的总体正则性参数(s或lambda)与可以应用于每个系数的penalty.factors之间的差异造成的。后者允许对单个参数进行差分调节，而s则控制整个L1/L2正则化的效果。

Answer 2

在coef中，参数s对应于惩罚参数。在帮助文件中：

需要预测的惩罚参数lambda的s值。默认值是用于创建模型的整个序列。

..。

使用exact=TRUE，s的这些不同值与对象$lambda合并(并排序)，并在进行预测之前对模型进行修改。在这种情况下，需要提供原始数据x=和y=作为额外的命名参数来预测()或coef()。工作流predict.glmnet()需要更新模型，因此需要用于创建模型的数据。在原始调用中使用的权重、偏移量、penalty.factor、lower.limits、upper.limits也是如此。如果不这样做，将导致错误。

因此，要使用exact = T，必须指定原始惩罚、x、y和在原始模型中输入的任何其他参数。