Interpretazione dei nomi dei coefficienti in glmnet in R

Question

Sto utilizzando glmnet per prevedere le probabilità in base a un set di 5 funzioni utilizzando il seguente codice. Ho bisogno della formula attuale perché ho bisogno di usarla in un programma diverso (non R).

deg = 3 

glmnet.fit <- cv.glmnet(poly(train.matrix,degree=deg),train.result,alpha=0.05,family='binomial') 

I nomi dei coefficienti risultanti hanno cinque posizioni (presumo questo è uno di ciascuna caratteristica) e ognuno di essi è un numero compreso tra 0 e 3 (si considera questo è il grado del polinomio). Ma sono ancora confuso su come ricostruire esattamente la formula.

prendere questi per esempio:

> coef(glmnet.fit,s= best.lambda) 
(Intercept) -2.25e-01 
... 
0.1.0.0.1 3.72e+02 
1.1.0.0.1 9.22e+04 
0.2.0.0.1 6.17e+02 
... 

Chiamiamo il caratteristiche A, B, C, D, E. È così che la formula dovrebbe essere interpretata?

Y = 
-2.25e-01 + 
... 
(3.72e+02 * (B * E) + 
(9.22e+04 * (A * B * E) + 
(6.17e+02 * (B^2 + E) 
... 

Se ciò non è corretto, come dovrei interpretarlo?

Ho visto il seguente question and answer ma non ha risolto questi tipi di nomi dei coefficienti.

Grazie in anticipo per il vostro aiuto.

Answer 1

In genere, viene utilizzata la funzione di previsione. Nel tuo caso, hai bisogno dei coefficienti da usare in un altro programma. Possiamo verificare l'accordo tra l'utilizzo della previsione e il risultato della moltiplicazione dei dati per i coefficienti.

# example data 

library(ElemStatLearn) 
library(glmnet) 
data(prostate) 

# training data 

data.train <- prostate[prostate$train,] 
y <- data.train$lpsa 

# isolate predictors 

data.train <- as.matrix(data.train[,-c(9,10)]) 

# test data 

data.test <- prostate[!prostate$train,] 
data.test <- as.matrix(data.test[,-c(9,10)]) 

# fit training model 

myglmnet =cv.glmnet(data.train,y) 

# predictions by using predict function 

yhat_enet <- predict(myglmnet,newx=data.test, s="lambda.min") 

# get predictions by using coefficients 

beta <- as.vector(t(coef(myglmnet,s="lambda.min"))) 

# Coefficients are returned on the scale of the original data. 
# note we need to add column of 1s for intercept 

testX <- cbind(1,data.test) 
yhat2 <- testX %*% beta 

# check by plotting predictions 

plot(yhat2,yhat_enet) 

Quindi ogni coefficiente corrisponde a una colonna nei dati di allenamento. Il primo corrisponde all'intercetta. In breve, puoi estrarre i coefficienti e moltiplicare per i dati del test per ottenere i risultati che ti interessano.