推 ty854697: 1. 因為default的nlambda是100,所以result的每一行是一 01/09 23:04
→ ty854697: 個lambda所對應的model的估計值,一般來說, 01/09 23:04
→ ty854697: 是用cv.glmnet (cross-validation for glmnet) 找出最好 01/09 23:04
→ ty854697: 的lambda再估計 01/09 23:05
→ ty854697: 2. 估計出來的數值是平均值代表lambda太大導致所有的參 01/09 23:05
→ ty854697: 數估計都為0,所以是用一個只有intercept 01/09 23:06
→ ty854697: 的模型去估計,predict的結果才會是資料的平均值。 01/09 23:06
→ ty854697: p.s. nlambda是指lambda的個數 01/09 23:07
→ pornstar: 感謝樓上 想請問做cv時找出最好的lambda是看吐出來的哪 01/10 03:11
→ pornstar: 些參數做判斷? 話說我現在改用lars 不過效果應該一樣? 01/10 03:11
→ pornstar: 是找index參數對應最小cv值的位置當lambda? 不太懂原理 01/10 03:28
→ ty854697: 他的default是用deviance(在lm跟mse相同) 01/10 08:59