install.packages(“glmnet“) 问题

最新推荐文章于 2023-01-29 13:04:02 发布
最新推荐文章于 2023-01-29 13:04:02 发布
阅读量1.2k 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
powa-install-packages.tar.gz
01-28
PostgreSQL性能监控插件-powa 的依赖包，启动报错大部分原因都是环境变量为配置好或者文件未赋予相关权限造成的，请仔细检查这些是否配置好。
Step00-install_packages.R.r
11-24
Step00-install_packages.R.r
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 该脚本将我指定的easy-install.pth软件包重新排序为某些预期的顺序。 它旨在确保python中的可编辑名称空间包符合我定义的顺序。 可编辑的命名空间包？ 扩张： 可编辑的：以可编辑模式安装的软件包（例如pip install -e ），即，如果您对代码进行了任何更改，您的更改将立即反映出来。 对于您经常更改或在开发过程中更改的软件包很有用。 有关如何修改sys.path更多信息，请参见。 命名空间包：使用命名空间包，您可以将一个包拆分为磁盘上的多个目录，将所有子模块合并到父包中。 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.Packages.1491910593
07-17
Turn your R code into packages that others can easily download and use. This practical book shows you how to bundle reusable R functions, sample data, and documentation together by applying author Hadley Wickham’s package development philosophy. In the process, you’ll work with devtools, roxygen, and testthat, a set of R packages that automate common development tasks. Devtools encapsulates best practices that Hadley has learned from years of working with this programming language. Ideal for developers, data scientists, and programmers with various backgrounds, this book starts you with the basics and shows you how to improve your package writing over time. You’ll learn to focus on what you want your package to do, rather than think about package structure. Learn about the most useful components of an R package, including vignettes and unit tests Automate anything you can, taking advantage of the years of development experience embodied in devtools Get tips on good style, such as organizing functions into files Streamline your development process with devtools Learn the best way to submit your package to the Comprehensive R Archive Network (CRAN) Learn from a well-respected member of the R community who created 30 R packages, including ggplot2, dplyr, and tidyr Table of Contents Part I. Getting Started Chapter 1. Introduction Chapter 2. Package Structure Part II. Package Components Chapter 3. R Code Chapter 4. Package Metadata Chapter 5. Object Documentation Chapter 6. Vignettes: Long-Form Documentation Chapter 7. Testing Chapter 8. Namespace Chapter 9. External Data Chapter 10. Compiled Code Chapter 11. Installed Files Chapter 12. Other Components Part III. Best Practices Chapter 13. Git and GitHub Chapter 14. Automated Checking Chapter 15. Releasing a Package
OSInstall.zip
07-14
将用于使 Leopard 支持 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/ 文件夹中。
R语言安装glmnet包
weixin_43168138的博客
04-24 8825
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。
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
lasso 回归教程 glnmet包
生信小博士的博客
09-30 2306
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包的安装以及安装失败的解决
weixin_46612177的博客
06-08 3686
R包的下载安装方式以及安装问题解决
netplot:漂亮的图形绘图
05-15
网络图 另一种图形可视化引擎，它在提供默认参数的同时强调美观性，这些默认参数提供了即装即用的可视化效果。 一些功能： 使用相对于绘图设备的尺寸自动缩放顶点。 嵌入式边缘混色器。 真正的弯曲边缘绘图。 用户定义的边缘曲率。 更好的顶点框架颜色。 更好地利用空间填充绘图设备。 该软件包使用grid绘图系统（就像ggplot2一样）。 安装 以及来自的开发版本，其中包括： # install.packages("devtools") devtools :: install_github( " USCCANA/netplot " ) 例子 这是一个基本示例，向您展示如何解决一个常见问题： library( igraph ) # > # > Attaching package: 'igraph' # > The following objects are masked fr
packages.png
最新发布
09-04
packages.pngpackages.png
OSInstall.mpkg.10.6.3
05-29
替换System/Installation/Packages/OSInstall.mpkg
homewsn.openwrt.packages:包含与HomeWSN相关的软件包的OpenWrt软件包供稿
05-26
OpenWrt软件包提要 这是一个包含相关软件包的OpenWrt软件包供稿。 要使用这些软件包，请将以下行添加到OpenWrt buildroot中的feeds.conf.default中： src-git homewsn https://github.com/homewsn/homewsn.openwrt.packages.git 默认情况下，此Feed应该包含在OpenWrt buildroot中并已启用。 要安装其所有软件包定义，请运行： $ ./scripts/feeds update homewsn $ ./scripts/feeds install -a -p homewsn 软件包现在应该出现在menuconfig中。 更新homewsn提要： $ ./scripts/feeds update homewsn
site-packages.zip
07-09
python的一些package，有septool，lxml，pyaudio，pygame，request，urllib3，you_get，等，使用方法：解压，应该会出来一个site-packages的文件夹，把这个文件夹放到${你的python目录}\Lib,这个目录里应该本来就有一个site-packages文件夹，把它们合并就行了
安装R包的几种方法（汇总）
weixin_57699783的博客
02-17 1万+
安装R包的几种方法
岭回归，Lasso回归及弹性网络回归原理及R实现
Christina
10-24 1万+
The standard linear model (or the ordinary least squares method) performs poorly in a situation, where you have a large multivariate data set containing a number of variables superior to the number of samples. A better alternative is thepenalized regress.
R语言：glmnet包重点详解及多类回归实现(lasso/岭回归/弹性网)
热门推荐
这也是计划的一部分的博客
10-17 2万+
Glmnet是一个通过惩罚极大似然来适应广义线性和相似模型的软件包。控制在对数尺度上计算lasso回归或弹性网回归的参数为正则化参数lambda。该算法速度非常快，并且可以利用输入矩阵x的稀疏性。 它适合线性、logistic和多项式、泊松等回归模型。它还可以拟合多元线性回归模型、定制族广义线性回归模型和lasso回归模型，在该软件包中还拥有预测、绘图、交叉验证的方法。
正则化：glmnet包实现正则化
Mrrunsen的博客
01-29 178
引言：glmnet R package，其中的glm对应广义线性模型（generalized linear models），代表该包可运用于线性回归、logistic回归，以及其他一些相对少见的模型。相反，glmnet通过仅有一个λ，还有一个α，从而实现控制两个惩罚项的大小，α的取值范围是[0,1]。当λ>0时，惩罚项保留，通过lasso回归或（和）岭回归缩减估计的参数。较lasso回归、岭回归和弹性网络回归的预测效果。α决定岭回归和lasso回归的组成成分。α=1，lasso回归。
install.packages('glmnet') library(glmnet) graphics.off() rm(list =ls()) install.packages('readxl') library(readxl) data<-read_excel("C:\\Users\\cora\\Desktop\\吉林省上市\\data1.xlsx") data X=read_excel("C:\\Users\\cora\\Desktop\\吉林省上市\\zbl.xlsx") X x<-as.matrix(X) x Y=read.csv("C:\\Users\\cora\\Desktop\\吉林省上市\\ybl.xlsx") Y y<-as.matrix(Y) y X=scale(X,center = T,scale = T) colMeans(X) #求平均值 apply(X,2,sd) #标准差 #c()，把将值合并成向量或列表 #rep(0，p/2-5),把0重复p/2-5次 beta = c(0.15,-0.33,0.25,-0.25,0.05,rep(0,p/2-5), -0.25,0.12,-0.125,rep(0,p/2-3)) # %*%矩阵乘法 y = x%*%beta + rnorm(180,sd=0.5) # rnorm(n, mean = 0, sd = 1) # n 为产生随机值个数（长度），mean 是平均数， sd 是标准差 y = scale(y) lambda<-0.01 #lasso la.eq <- glmnet(x,y,intercept = F,alpha=1) plot(la.eq,xvar ="lambda",label = F,lwd=2) mod_cv <- cv.glmnet(x=x,y=y,intercept = F,alpha=1) plot(mod_cv) print(paste(mod_cv$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。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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