R biglasso 结果与 hdm 或 glmnet 不匹配

Question

我一直在尝试使用 R 包 'biglasso' 来处理高维数据。但是，我得到的结果与我从 'hdm' 或 'glmnet.LASSO 函数得到的结果不匹配。 biglasso 的文档也很差。

在下面的示例中，hdm 和 glmnet 的结果非常接近但不准确，这是预期的。但是，biglasso 不会删除 'share' 变量。我已经尝试了所有不同的屏幕设置，但没有任何区别。关于如何使 biglasso 与其他人更一致的任何想法？谢谢！

编辑：对于给定的 lambda 值，结果非常相似。但是每种方法似乎 select 一个不同的 lambda.. 这对于 hdm 来说是有意义的，因为它旨在用于因果推理并且不关心样本外预测。 hdm 使用与 Belloni 等人不同的 objective 函数。 (2012)，但我不确定为什么 cv.biglasso 和 cv.glmnet 会有如此大的不同。如果我运行 biglasso 没有筛选规则，他们应该最大化相同的 objective 函数，只是在 CV 折叠中有随机差异，不是吗？

编辑 2：我编辑了下面的代码以包含 F.Privé 的代码，使 glmnet 使用类似于 biglasso 的算法，以及一些额外的代码使 biglasso 模仿 glmnet。

##########
## PREP ##
##########

## Load required libraries
library(hdm)
library(biglasso)
library(glmnet)

## Read automobile dataset
data(BLP)
df <- BLP[[1]]

## Extract outcome
Y <- scale(df$mpg)

## Rescale variables
df$price <- scale(df$price)
df$mpd <- scale(df$mpd)
df$space <- scale(df$space)
df$hpwt <- scale(df$hpwt)
df$outshr <- scale(df$outshr)

## Limit to variables I want
df <- df[,names(df) %in% c("price","mpd","space","hpwt","share","outshr","air")]

## Convert to matrix
df.mat <- data.matrix(df)
df.bm <- as.big.matrix(df.mat)

#########
## HDM ##
#########

## Set seed for reproducibility
set.seed(1233)

## Run LASSO
fit.hdm <- rlasso(x=df.mat, y=Y, post=FALSE, intercept=TRUE)

## Check results
coef(fit.hdm)

############
## GLMNET ##
############

## Set seed for reproducibility
set.seed(1233)

## LASSO with 10-fold cross-validation
fit.glmnet <- cv.glmnet(df.mat, Y, alpha=1, family="gaussian")

## Check default results
coef(fit.glmnet)

## Try to mimic results of biglasso
coef(fit.glmnet, s = "lambda.min")

##############
## BIGLASSO ##
##############

## LASSO with 10-fold cross-validation
fit.bl <- cv.biglasso(df.bm, Y, penalty="lasso", eval.metric="default",
    family="gaussian", screen="None",
    seed=1233, nfolds=10)

## Check default results
coef(fit.bl) 

## Try to mimic results of glmnet
## Calculate threshold for CV error (minimum + 1 standard error)
thresh <- min(fit.bl$cve) + sd(fit.bl$cve)/sqrt(100)

## Identify highest lambda with CVE at or below threshold
max.lambda <- max(fit.bl$lambda[fit.bl$cve <= thresh])

## Check results for the given lambda
coef(fit.bl$fit)[,which(fit.bl$fit$lambda==max.lambda)]

Answer 1

选择CV后的"best" lambda基本上有两种方式：

最小化CV误差的那个（默认为{biglasso}）
最简约（最高 lambda）且 CV 误差低于最小标准误差 + 1（默认为 {glmnet}）的那个。

尝试coef(fit.glmnet, s = "lambda.min")使用最小值。

此外，为了确保可重复性，请尝试设置 CV 折叠而不是一些种子。 glmnet()中有参数foldid，biglasso()中有参数cv.ind。

R biglasso 结果与 hdm 或 glmnet 不匹配

R biglasso results don't match hdm or glmnet

r

machine-learning

bigdata

lasso-regression