R glmnet：bigglm函数-具有以下项的大型稀疏多项逻辑回归的评估指标

编程问答 2023-02-13

问题描述

我有一个大型的稀疏数据集（约4百万行乘3万列），每行约有10个真实元素。我正在使用glmnet软件包，该软件包非常适合套索惩罚回归。

我无法从glmnet :: bigGlm函数获取基线比较结果-与主要的glmnet算法不同，该函数不会删除功能。回归工作正常：

library(glmnet)
# dummy data - my dataset is bigger
sparseMatrix1 <- sparseMatrix(i = 1:10000,j = sample(1:1000,10000,replace = TRUE))
answerMatrix1 <- cbind(psych = sample(0:1,replace = TRUE),med = sample(0:1,surg = sample(0:1,replace = TRUE))

glmAnalysis <- bigGlm(sparseMatrix1,data.matrix(answerMatrix1),family = "multinomial",parallel = TRUE,path = TRUE)

这将返回一个“ bigGlm”对象，该对象继承自类“ glmnet”，因此应该可以使用评估.glmnet函数。但是，出现以下错误：

 assess.glmnet(glmAnalysis,newx = sparseMatrix1,newy = answerMatrix1,family = "multinomial")
# Error in match.arg(family) : 
  'arg' should be one of “all”,“gaussian”,“binomial”,“poisson”,“multinomial”,“cox”,“mgaussian”,“GLM”

在包函数“ assesss.glmnet”中查看，问题在于bigGlm对象未被识别为所列家族之一，因此评估函数不知道要运行哪种评估算法。关于使用bigGlm函数进行故障排除的说明并不多。

我的两个问题是：

  • 有人知道要传递给具有三个逻辑输出矢量的多项式逻辑回归的glmnet :: bigGlm参数吗？
  • 第二，我应该只使用其他软件包进行逻辑回归，而不用惩罚套索/里奇吗？ （有任何关于最佳包装的建议吗？我的完整数据集是该样本大小的20倍，大约有400万行，而不是该样本的10,000行）

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@）

glmnetrr