R：使用cv.glm计算弹性网预测误差

Question

library(glmnet)
library(boot)
data(iris)
x <- model.matrix(Sepal.Length~., iris)[,-1]
y <- iris$Sepal.Length
m <- cv.glmnet(x, y)
> cv.glm(x, m, K = 10)
Error in UseMethod("predict") : 
  no applicable method for 'predict' applied to an object of class "c('matrix', 'double', 'numeric')"

要么

bestLambda = m$lambda.min
m2 <- glmnet(x, y, family = "gaussian", lambda = bestLambda)
>cv.glm(x, m2, K = 10)


 Error in glmnet(x = x, y = y, family = "gaussian", lambda = bestLambda,  : 
  unused argument (data = c(3.5, 3, 3.2, 3.1, 3.6,

在参考这个问题时，我试图使用cv.glm获得我的弹性网模型的K-fold交叉验证预测误差，但是，由于该错误，我似乎无法这样做。 我不太确定cv.glm函数是否可用于计算类cv.glm或glmnet对象的预测误差。

Answer 1

我认为你正在将glm与glmnet混合（弹性网，套索和脊线惩罚）。 cv.glm需要glm模型，而不是glmnet模型。

请尝试以下任一操作：

1. 使用glmnet来计算，其中k折交叉验证错误cv.glmnet类似如下：

    library(glmnet) library(boot) data(iris) x <- model.matrix(Sepal.Length~., iris)[,-1] y <- iris$Sepal.Length m <- cv.glmnet(x, y, nfolds=10) m$lambda.min #[1] 0.0003839539 m$lambda.1se #[1] 0.009078549 plot(m$lambda, m$cvm,type='l', xlab=expression(lambda), ylab='CV errors', main=expression(paste('CV error for different ', lambda))) lines(m$lambda, m$cvup, col='red') lines(m$lambda, m$cvlo, col='red') 

   

[EDITED]

训练数据集上的预测误差：

mean((y-predict(m, newx=x))^2)
# [1] 0.1037433

2. 拟合glm模型并使用cv.glm计算交叉验证错误delta（无正则化）。 根据cv.glm的文档：

delta：长度为2的向量。 第一个组成部分是预测误差的原始交叉验证估计。 第二个组成部分是经过调整的交叉验证估算。 调整旨在弥补不使用留一交叉验证所引入的偏差。

df <- cbind.data.frame(x, y)
m <- glm(y~., df, family='gaussian')
cv.glm(df, m, K = 10)$delta 
# [1] 0.09992177 0.09940190