R cv.glmnet error: "need at least two non-NA values to interpolate"
R cv.glmnet error: "need at least two non-NA values to interpolate"
当 运行 cv.glmnet 函数时，我收到无法追踪的错误。
研究仅提示我在搜索 lambda 时抛出错误的 approx() 函数，但我对 glmnet 不够熟悉，无法弄清楚它是如何连接的。
错误是：“需要至少两个非 NA 值进行插值”
虽然解决方案看起来很明显，但我使用的是模拟数据，因此其中肯定没有 NA。我仔细检查了多次。我还尝试删除了带有常量变量的列，但也无济于事。
由于数据的复杂性，可重现的示例有点混乱（而且也不是最小的，因为错误不会在小示例数据中发生）但请看下面：
pacman::p_load(glmnet,RCurl)
url <- getURL('https://raw.githubusercontent.com/oliverkostorz/MC-Simulation-Ensemble-Methods-Heterogeneous-Treatment-Effects/master/example.csv')
data <- read.csv(text = url)
x <- data[,3:ncol(data)]
y <- data[,2]
EN_fit <- cv.glmnet(x, y, type.measure = 'mse', alpha = .5)
希望有人能帮忙！
最好的，
奥利弗
9.352584e+229 引起了问题。这是一个很大的数字。
big_index <- y > 1e120
EN_fit <- cv.glmnet(as.matrix(x[!big_index, ]), y[!big_index],
type.measure = 'mse', alpha = .5)
EN_fit
#
# Call: cv.glmnet(x = as.matrix(x[!big_index, ]), y = y[!big_index],
# type.measure = "mse", alpha = 0.5)
#
# Measure: Mean-Squared Error
#
# Lambda Index Measure SE Nonzero
# min 3.864e+113 84 8.533e+229 Inf 10
# 1se 1.836e+115 1 8.644e+229 Inf 0
当 运行 cv.glmnet 函数时，我收到无法追踪的错误。
研究仅提示我在搜索 lambda 时抛出错误的 approx() 函数，但我对 glmnet 不够熟悉，无法弄清楚它是如何连接的。
错误是：“需要至少两个非 NA 值进行插值”
虽然解决方案看起来很明显，但我使用的是模拟数据，因此其中肯定没有 NA。我仔细检查了多次。我还尝试删除了带有常量变量的列，但也无济于事。
由于数据的复杂性，可重现的示例有点混乱（而且也不是最小的，因为错误不会在小示例数据中发生）但请看下面：
pacman::p_load(glmnet,RCurl)
url <- getURL('https://raw.githubusercontent.com/oliverkostorz/MC-Simulation-Ensemble-Methods-Heterogeneous-Treatment-Effects/master/example.csv')
data <- read.csv(text = url)
x <- data[,3:ncol(data)]
y <- data[,2]
EN_fit <- cv.glmnet(x, y, type.measure = 'mse', alpha = .5)
希望有人能帮忙！
最好的， 奥利弗
9.352584e+229 引起了问题。这是一个很大的数字。
big_index <- y > 1e120
EN_fit <- cv.glmnet(as.matrix(x[!big_index, ]), y[!big_index],
type.measure = 'mse', alpha = .5)
EN_fit
#
# Call: cv.glmnet(x = as.matrix(x[!big_index, ]), y = y[!big_index],
# type.measure = "mse", alpha = 0.5)
#
# Measure: Mean-Squared Error
#
# Lambda Index Measure SE Nonzero
# min 3.864e+113 84 8.533e+229 Inf 10
# 1se 1.836e+115 1 8.644e+229 Inf 0