我正在使用 glmnet 包在 R 中执行套索回归:
fit.lasso <- glmnet(x,y)
plot(fit.lasso,xvar="lambda",label=TRUE)
然后使用交叉验证:
cv.lasso=cv.glmnet(x,y)
plot(cv.lasso)
One tutorial (最后一张幻灯片)为 R^2 提出以下建议:
R_Squared = 1 - cv.lasso$cvm/var(y)
但它没有用。
我想了解拟合数据的模型效率/性能。正如我们在 r 中执行 lm() 函数时通常得到 R^2 并调整 R^2 一样。
最佳答案
如果您使用的是“高斯”族,则可以通过以下方式访问 R 平方值
fit.lasso$glmnet.fit$dev.ratio
关于r - 如何在R中使用glmnet计算套索回归的R平方值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50610895/