问题描述
通常,在接近LASSO时,最佳超参数lambda假定为lambda.1se(在glmnet程序包中),这是最小化/最大化CV度量(通常为AUC,Accuracy或Deviance)PLUS 1标准的lambda。偏差。 lamnda.1se = lambda.min + sd(lambda.min)
通过这种方式,处罚力度更大,模型不太容易过拟合。
但是,在插入符号中,我总是会发现最佳模型与CV度量的最小值/最大值相对应的假设。明智吗?
有没有办法让插入符号训练功能选择与lambda.1se相对应的模型?
谢谢。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)