install.packages(“glmnet“) 问题

最新推荐文章于 2022-10-17 21:28:00 发布
最新推荐文章于 2022-10-17 21:28:00 发布
阅读量1.3k 收藏 1
点赞数 6
文章标签： r语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45322084/article/details/123879502
版权

 因为我的版本是C++11 但最新版本需要到C++14所以降版本就行

packageurl = 'https://cran.r-project.org/src/contrib/Archive/glmnet/glmnet_3.0.tar.gz'
install.packages(packageurl, repos = NULL, type = 'source')

安吟.
关注
  • 6
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
正则化：glmnet包实现正则化
Mrrunsen的博客
01-29 183
引言：glmnet R package，其中的glm对应广义线性模型（generalized linear models），代表该包可运用于线性回归、logistic回归，以及其他一些相对少见的模型。相反，glmnet通过仅有一个λ，还有一个α，从而实现控制两个惩罚项的大小，α的取值范围是[0,1]。当λ>0时，惩罚项保留，通过lasso回归或（和）岭回归缩减估计的参数。较lasso回归、岭回归和弹性网络回归的预测效果。α决定岭回归和lasso回归的组成成分。α=1，lasso回归。
R语言安装glmnet包
weixin_43168138的博客
04-24 9014
R语言安装glmnet包安装glmnet包 安装glmnet包 正常这样安装时报错 install.packages("glmnet") 改为如下代码可正常安装。 install.packages("glmnet", dependencies=TRUE) 具体原因等写完作业有时间再查。
lasso 回归教程 glnmet包
生信小博士的博客
09-30 2368
使用glmnet函数拟合模型 ，所谓的拟合模型其实就是一个获得方程参数的过程 这个产生的fit对象里面包含了不同参数组合的模型，后面我们需要根据情况选择合适的参数来确定模型。我们可以通过这个预测的y值和实际的y值进行比较，或者画roc曲线，进而评价模型的优劣。我们可以通过这个预测的y值和实际的y值进行比较，或者画roc曲线，进而评价模型的优劣。此时我们可以在指定的lammada值处，预测新变量所对应的y值。下图中s1列表示，lammada取0.1时，模型所预测的y值。那么得到的这个y值有什么用呢。
R语言解决Lasso问题----glmnet包（广义线性模型）
caicai2526的博客
01-30 2万+
根据Hastie(斯坦福统计学家)， Tibshirani和Wainwright的Statistical Learning with Sparsity（The Lasso and Generalizations），如下五类模型的变量选择可采用R语言的glmnet包来解决。这五类模型分别是： 二分类logistic回归模型 多分类logistic回归模型 3.Possion模型 4.Cox
岭回归，Lasso回归及弹性网络回归原理及R实现
Christina
10-24 1万+
The standard linear model (or the ordinary least squares method) performs poorly in a situation, where you have a large multivariate data set containing a number of variables superior to the number of samples. A better alternative is thepenalized regress.
powa-install-packages.tar.gz
01-28
标题中的“powa-install-packages.tar.gz”是一个压缩文件，它包含的是PostgreSQL性能监控插件powa的相关依赖包。在安装和使用powa时，这个压缩包提供了必要的组件，以确保插件能正确运行并有效地监控数据库的性能。...
packages.png
最新发布
09-04
packages.pngpackages.png
Step00-install_packages.R.r
11-24
Step00-install_packages.R.r
OSInstall.zip
07-14
MBR 分区表的破解文件 OSInstall 覆盖入 /System/Library/PrivateFrameworks/Install.framework/Frameworks/OSInstall.framework/Version/A/ 文件夹中，OSInstall.mpkg 文件覆盖入 /System/Installation/Packages/ ...
glmnet_python
04-04
适用于python的Glmnet 安装 使用点子（推荐） pip install glmnet_py 从源编译 git clone https://github.com/bbalasub1/glmnet_python.git cd glmnet_python python setup.py install (use python setup.py install --user if you get a permission denied message. This does a local install for the user) 要求：Python 3，Linux 当前，GLMnet.so的签入版本针对以下配置进行编译： Linux： Linux版本2.6.32-573.26.1.el6.x86_64（gcc版本4.4.7 20120313（Red Hat 4.4.7-16）（G
reorder_editable:天真的实现来重新排序我的easy-install.pth文件
04-11
reorder_editable 天真的实现来重新排序我的easy-install.pth文件该... 有关更多信息，请参见 旁注：通常使用setuptools.find_namespace_packages而非setuptools.find_packages安装名称空间包。 因此，可编辑的名称空
R语言：glmnet包重点详解及多类回归实现(lasso/岭回归/弹性网)
这也是计划的一部分的博客
10-17 2万+
Glmnet是一个通过惩罚极大似然来适应广义线性和相似模型的软件包。控制在对数尺度上计算lasso回归或弹性网回归的参数为正则化参数lambda。该算法速度非常快，并且可以利用输入矩阵x的稀疏性。 它适合线性、logistic和多项式、泊松等回归模型。它还可以拟合多元线性回归模型、定制族广义线性回归模型和lasso回归模型，在该软件包中还拥有预测、绘图、交叉验证的方法。
R语言出现导入包不成功解决办法
qq_44208167的博客
04-04 1万+
R语言出现导入包不成功解决办法 R 【解决方案】 1.使用命令单独安装caret，安装的时间很长。 install.packages(“caret”, dependencies = c(“Depends”, “Suggests”)) 需要安装依赖的包全部安装之后，就可以了。依赖包如下： dependencies ‘doMC’, ‘rpvm’, ‘Rcompression’, ‘RMySQL’...
Lasso regression(稀疏学习,R)
热门推荐
hfutxiaoguozhi的博客
12-19 4万+
这一讲呢，给大家讲解一下lasso回归。目前这个方法还没有一个正规的中文名，如果从lasso这个单词讲的话，叫套索。那么套索是啥呢，就是套马脖子的东西，见下图： 就是拿这个东西把动物脖子套住，不要它随便跑。lasso 回归就是这个意思，就是让回归系数不要太大，以免造成过度拟合（overfitting）。所以呢，lasso regression是个啥呢，就是一个回归，并且回归系数不要太大。这个思
Debian安装R语言
weixin_33980459的博客
07-11 356
为什么80%的码农都做不了架构师？>>> ...
RStudio安装工具包失败(install.packages)
张永杰的博客
08-04 9506
出错信息： Warning in install.packages : InternetOpenUrl failed: ‘’ Warning in install.packages : InternetOpenUrl failed: ‘’ Warning in install.packages : unable to access index for repository https://mirr...
R包安装失败之粗暴解决方法
邓飞----育种数据分析之放飞自我
10-15 1万+
今天，打开R语言，碰到了一个令人忧伤的事情，我的tidyverse竟然不能用了，记得昨天还能用，天知道发生了什么事情，总之，报错是这样的： namespace ‘dplyr’ 0.8.5 is already loaded, but >= 1.0.0 is required 它告诉我，dplyr的版本太低了，我第一反应是用install.packages("dplry")，不出意外，安装错误，说是我没有权限Permission denied，我用管理员权限打开Rstudio，然后运行代码，还是报错。
install.packages('glmnet') library(glmnet) graphics.off() rm(list =ls()) install.packages('readxl') library(readxl) data<-read_excel("C:\\Users\\cora\\Desktop\\吉林省上市\\data1.xlsx") data X=read_excel("C:\\Users\\cora\\Desktop\\吉林省上市\\zbl.xlsx") X x<-as.matrix(X) x Y=read.csv("C:\\Users\\cora\\Desktop\\吉林省上市\\ybl.xlsx") Y y<-as.matrix(Y) y X=scale(X,center = T,scale = T) colMeans(X) #求平均值 apply(X,2,sd) #标准差 #c()，把将值合并成向量或列表 #rep(0，p/2-5),把0重复p/2-5次 beta = c(0.15,-0.33,0.25,-0.25,0.05,rep(0,p/2-5), -0.25,0.12,-0.125,rep(0,p/2-3)) # %*%矩阵乘法 y = x%*%beta + rnorm(180,sd=0.5) # rnorm(n, mean = 0, sd = 1) # n 为产生随机值个数（长度），mean 是平均数， sd 是标准差 y = scale(y) lambda<-0.01 #lasso la.eq <- glmnet(x,y,intercept = F,alpha=1) plot(la.eq,xvar ="lambda",label = F,lwd=2) mod_cv <- cv.glmnet(x=x,y=y,intercept = F,alpha=1) plot(mod_cv) print(paste(mod_cv$lambda.min, log(mod_cv$lambda.min))) print(paste(mod_cv$lambda.lse, log(mod_cv$lambda.lse))) best_lambda<-mod_cv$lambda.min best_lambda best_model<- glmnet(X,y,alpha =1,lambda = best_lambda) coef(best_model)
07-16
这段代码使用了一些R语言的包和函数来进行数据处理和线性回归分析。下面是对每个步骤的解释： 1. `install.packages('glmnet')` 和 `library(glmnet)`: 这些代码用于安装和加载名为 `glmnet` 的R包，该包提供了实现Lasso和弹性网络等回归方法的函数。 2. `graphics.off()`: 这个函数用于关闭图形设备，以便在之后重新绘制新的图形。 3. `rm(list = ls())`: 这个命令用于清空当前环境中的所有对象。 4. `install.packages('readxl')` 和 `library(readxl)`: 这些代码用于安装和加载名为 `readxl` 的R包，该包提供了读取Excel文件的函数。 5. `data <- read_excel("C:\\Users\\cora\\Desktop\\吉林省上市\\data1.xlsx")`: 这行代码读取名为 "data1.xlsx" 的Excel文件，并将其内容存储在名为 `data` 的变量中。 6. `X = read_excel("C:\\Users\\cora\\Desktop\\吉林省上市\\zbl.xlsx")`: 这行代码读取名为 "zbl.xlsx" 的Excel文件，并将其内容存储在名为 `X` 的变量中。 7. `x <- as.matrix(X)`: 这行代码将变量 `X` 转换为矩阵，并将结果存储在名为 `x` 的变量中。 8. `Y = read.csv("C:\\Users\\cora\\Desktop\\吉林省上市\\ybl.xlsx")`: 这行代码读取名为 "ybl.xlsx" 的CSV文件，并将其内容存储在名为 `Y` 的变量中。 9. `y <- as.matrix(Y)`: 这行代码将变量 `Y` 转换为矩阵，并将结果存储在名为 `y` 的变量中。 10. `X = scale(X, center = T, scale = T)`: 这行代码对变量 `X` 进行标准化处理，使其均值为0，标准差为1。 11. `colMeans(X)`: 这个函数计算矩阵 `X` 的每一列的平均值。 12. `apply(X, 2, sd)`: 这个函数对矩阵 `X` 的每一列应用 `sd` 函数，计算标准差。 13. `beta = c(0.15, -0.33, 0.25, -0.25, 0.05, rep(0, p/2-5), -0.25, 0.12, -0.125, rep(0, p/2-3))`: 这行代码定义了一个名为 `beta` 的向量，其中包含了一系列数值。 14. `y = x %*% beta + rnorm(180, sd = 0.5)`: 这行代码使用矩阵乘法将矩阵 `x` 和向量 `beta` 相乘，并加上一个服从正态分布的随机噪声。 15. `y = scale(y)`: 这行代码对向量 `y` 进行标准化处理，使其均值为0，标准差为1。 16. `lambda <- 0.01`: 这行代码将变量 `lambda` 赋值为0.01。 17. `la.eq <- glmnet(x, y, intercept = F, alpha = 1)`: 这行代码使用 `glmnet` 函数进行Lasso回归分析，其中 `x` 是自变量矩阵，`y` 是因变量向量，`intercept = F` 表示不包括截距项，`alpha = 1` 表示使用Lasso方法。 18. `plot(la.eq, xvar = "lambda", label = F, lwd = 2)`: 这个函数用于绘制Lasso回归模型的系数路径图。 19. `mod_cv <- cv.glmnet(x = x, y = y, intercept = F, alpha = 1)`: 这行代码使用 `cv.glmnet` 函数进行交叉验证，选择最佳的正则化参数。 20. `plot(mod_cv)`: 这个函数用于绘制交叉验证结果的图形。 21. `print(paste(mod_cv$lambda.min, log(mod_cv$lambda.min)))`: 这行代码打印最小的正则化参数及其对数值。 22. `print(paste(mod_cv$lambda.lse, log(mod_cv$lambda.lse)))`: 这行代码打印最小平方误差的正则化参数及其对数值。 23. `best_lambda <- mod_cv$lambda.min`: 这行代码将最佳正则化参数赋值给变量 `best_lambda`。 24. `best_model <- glmnet(X, y, alpha = 1, lambda = best_lambda)`: 这行代码使用最佳正则化参数进行Lasso回归模型的拟合。 25. `coef(best_model)`: 这个函数用于获取Lasso回归模型的系数估计值。 这段代码的目标是根据给定的数据进行线性回归分析，并使用Lasso方法进行特征选择。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值