Interprétation des noms de coefficients dans glmnet dans R

Question

J'utilise glmnet pour prédire des probabilités basées sur un ensemble de 5 caractéristiques en utilisant le code suivant. J'ai besoin de la formule actuelle car je dois l'utiliser dans un programme différent (non R).

deg = 3 

glmnet.fit <- cv.glmnet(poly(train.matrix,degree=deg),train.result,alpha=0.05,family='binomial') 

Les noms des coefficients résultants ont cinq positions (je suppose que c'est l'une de chaque fonction) et chacun d'eux est un nombre compris entre 0 et 3 (je suppose que c'est le degré du polynôme). Mais je suis encore confus sur la façon exacte de reconstruire la formule.

Prenez par exemple ces:

> coef(glmnet.fit,s= best.lambda) 
(Intercept) -2.25e-01 
... 
0.1.0.0.1 3.72e+02 
1.1.0.0.1 9.22e+04 
0.2.0.0.1 6.17e+02 
... 

Appelons les fonctions A, B, C, D, E. Est-ce ainsi que la formule devrait être interprétée?

Y = 
-2.25e-01 + 
... 
(3.72e+02 * (B * E) + 
(9.22e+04 * (A * B * E) + 
(6.17e+02 * (B^2 + E) 
... 

Si cela est correct pas comment dois-je interpréter?

J'ai vu le suivant question and answer mais il n'a pas abordé ces types de noms de coefficient.

Merci d'avance pour votre aide.

Answer 1

Habituellement, nous utilisons la fonction de prédiction. Dans votre cas, vous avez besoin des coefficients à utiliser dans un autre programme. Nous pouvons vérifier l'accord entre l'utilisation de prédire et le résultat de la multiplication des données par les coefficients.

# example data 

library(ElemStatLearn) 
library(glmnet) 
data(prostate) 

# training data 

data.train <- prostate[prostate$train,] 
y <- data.train$lpsa 

# isolate predictors 

data.train <- as.matrix(data.train[,-c(9,10)]) 

# test data 

data.test <- prostate[!prostate$train,] 
data.test <- as.matrix(data.test[,-c(9,10)]) 

# fit training model 

myglmnet =cv.glmnet(data.train,y) 

# predictions by using predict function 

yhat_enet <- predict(myglmnet,newx=data.test, s="lambda.min") 

# get predictions by using coefficients 

beta <- as.vector(t(coef(myglmnet,s="lambda.min"))) 

# Coefficients are returned on the scale of the original data. 
# note we need to add column of 1s for intercept 

testX <- cbind(1,data.test) 
yhat2 <- testX %*% beta 

# check by plotting predictions 

plot(yhat2,yhat_enet) 

Chaque coefficient correspond à une colonne dans vos données d'entraînement. Le premier correspond à l'interception. En résumé, vous pouvez extraire les coefficients et les multiplier par les données de test pour obtenir les résultats qui vous intéressent.