代码之家 › 专栏 › 技术社区 › user3245256

r: 对于相同的λ,glmnet和caret的系数不同

coefficients glmnet r-caret r

user3245256 · 技术社区 · 8 年前

我读了一些问答;关于这一点,但我仍然不太明白,为什么基于相同样本和相同超参数的glmnet和caret模型的系数略有不同。非常感谢您的解释!

我正在使用插入符号训练脊线回归:

library(ISLR)
Hitters = na.omit(Hitters)
x = model.matrix(Salary ~ ., Hitters)[, -1] #Dropping the intercept column.
y = Hitters$Salary

set.seed(0)
train = sample(1:nrow(x), 7*nrow(x)/10)

library(caret)
set.seed(0)
train_control = trainControl(method = 'cv', number = 10)
grid = 10 ^ seq(5, -2, length = 100)
tune.grid = expand.grid(lambda = grid, alpha = 0)
ridge.caret = train(x[train, ], y[train],
                    method = 'glmnet',
                    trControl = train_control,
                    tuneGrid = tune.grid)
ridge.caret$bestTune
# alpha is 0 and best lambda is 242.0128

现在,我使用上面找到的lambda(和alpha)来训练整个数据集的岭回归。最后,我提取系数:

ridge_full <- train(x, y,
                    method = 'glmnet',
                    trControl = trainControl(method = 'none'), 
                    tuneGrid = expand.grid(
                      lambda = ridge.caret$bestTune$lambda, alpha = 0)
                    )
coef(ridge_full$finalModel, s = ridge.caret$bestTune$lambda)

最后,使用完全相同的alpha和lambda,我尝试使用glmnet包拟合相同的岭回归,并提取系数:

library(glmnet)
ridge_full2 = glmnet(x, y, alpha = 0, lambda = ridge.caret$bestTune$lambda)
coef(ridge_full2)

1 回复 | 直到 8 年前

missuse 8 年前

原因是插入符号未使用您指定的确切lambda。您可以通过以下方式进行检查:

ridge_full$finalModel$lambda

最接近的值为261.28915和238.07694。

当你这样做的时候

coef(ridge_full$finalModel, s = ridge.caret$bestTune$lambda)

其中s为242.0128,根据实际计算的系数对系数进行插值。

其中,当您向glmnet调用提供lambda时,模型将返回该lambda的精确系数,该系数与插入符号返回的系数略有不同。

发生这种情况的原因:

在所有数据上指定一个alpha和一个lambda进行拟合时,插入符号将实际拟合:

   fit = function(x, y, wts, param, lev, last, classProbs, ...) {
                    numLev <- if(is.character(y) | is.factor(y)) length(levels(y)) else NA

                    theDots <- list(...)

                    if(all(names(theDots) != "family")) {
                      if(!is.na(numLev)) {
                        fam <- ifelse(numLev > 2, "multinomial", "binomial")
                      } else fam <- "gaussian"
                      theDots$family <- fam
                    }

                    ## pass in any model weights
                    if(!is.null(wts)) theDots$weights <- wts

                    if(!(class(x)[1] %in% c("matrix", "sparseMatrix")))
                      x <- Matrix::as.matrix(x)

                    modelArgs <- c(list(x = x,
                                        y = y,
                                        alpha = param$alpha),
                                   theDots)

                    out <- do.call(glmnet::glmnet, modelArgs)
                    if(!is.na(param$lambda[1])) out$lambdaOpt <- param$lambda[1]
                    out
                  }

这是从 here .

在您的示例中,这转化为

fit <- glmnet::glmnet(x, y,
                       alpha = 0)

lambda <- unique(fit$lambda)

这些λ值对应于 ridge_full$finalModel$lambda :

all.equal(lambda, ridge_full$finalModel$lambda)
#output
TRUE