如何使用多个预测变量为 gmlnet 设置 y

Question

我应该使用岭回归模型找到截距项。

"Use Ridge Regression with alpha = 0 to and lambda = 0, divorce as the response and all the other variables as predictors."

我知道我应该将我的数据转换为矩阵模式，然后将其转换为适合 glmnet 函数。我已经将我的响应转换为矩阵模式，但我不确定如何将所有预测变量也转换为矩阵模式。

set.seed(100)

require(faraway)
require(leaps)
require(glmnet)

mydata = divusa

mymodel = lm(divorce ~ year + unemployed + femlab + marriage + birth + 
military, data=mydata)
summary(mymodel)
.
.
.

y = model.matrix(divorce~.,mydata)

任何人都可以帮助我的 x 变量的代码吗？我是 R 的新手，发现很难理解它。

Answer 1

您的 y = model.matrix(divorce~.,mydata) 实际上创建了您的 预测器 矩阵（通常称为 X）。尝试

 X = model.matrix(divorce~.,mydata)
 y = mydata$divorce
 glmnet(X,y)
 glmnet(X,y,alpha=0,lambda=0)

我认为如果你设置 lambda=0 你实际上是在进行普通回归（即，你将惩罚设置为零，所以 ridge -> OLS）。

如何使用多个预测变量为 gmlnet 设置 y

How do I set y for gmlnet with several predictors

r

glmnet