glmnet包做线性回归

77 篇文章 17 订阅
29 篇文章 0 订阅

install.packages(“glmnet”)
library(glmnet)
library(survival)
setwd(“C:\Users\TD\Desktop”)
inputfile=“id0.05exp.txt”
lncRNA<-read.table(inputfile,header=T,sep="\t",row.names = 1,check.names = F,stringsAsFactors = F)
set.seed(123456)
v1<-as.matrix(lncRNA[,c(3:ncol(lncRNA))])
v2 <- as.matrix(Surv(lncRNA S u r v i v a l m o n t h s , l n c R N A Survival_months,lncRNA Survivalmonths,lncRNASurvival_status))

myfit2 <- cv.glmnet(v1, v2, family=“cox”)
#pdf(“min.pdf”) #将图片写入到pdf中
plot(myfit2)
abline(v=log(c(myfit2 l a m b d a . m i n , m y f i t 2 lambda.min,myfit2 lambda.min,myfit2lambda.1se)),lty=“dashed”)
#dev.off() # 关闭图片,图片保存到pdf中
在这里插入图片描述

myfit2 l a m b d a . m i n m y f i t &lt; − g l m n e t ( v 1 , v 2 , f a m i l y = &quot; c o x &quot; ) c o e &lt; − c o e f ( m y f i t , s = m y f i t 2 lambda.min myfit &lt;- glmnet(v1, v2, family = &quot;cox&quot;) coe &lt;- coef(myfit, s = myfit2 lambda.minmyfit<glmnet(v1,v2,family="cox")coe<coef(myfit,s=myfit2lambda.min)
act_index <- which(coe != 0)
act_coe <- coe[act_index]
row.names(coe)[act_index]
act_index

coe
myfit2
names(row.names(coe)[act_index])

#pdf(“lambda.pdf”) # 图片保存到pdf中
plot(myfit, xvar = “lambda”, label = TRUE)
#dev.off() #关闭图片保存

在这里插入图片描述

参考学习来源:https://site.douban.com/182577/widget/notes/10567212/note/289294468/

  • 0
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
glmnet包是一个用于实施Lasso回归的R语言软件包。从名称可以看出,Lasso回归是一种利用L1正则化方法的线性回归技术。L1正则化方法通过在目标函数中引入L1范数惩罚项,从而实现变量选择和模型简化的目的。 使用glmnet包进行回归分析可以得到一些重要的结果和信息。首先是模型选择结果,该结果显示了Lasso回归所选择的变量。值得注意的是,由于L1正则化的存在,Lasso回归可以将某些系数压缩到零,因此只选择了与响应变量相关的最重要的预测变量。这对于变量选择和解释模型非常有用。 其次,glmnet包提供了用于评估模型拟合程度的指标,例如R平方(R2)和均方根误差(RMSE)。R2指标表示模型对观测值变异性的解释程度,取值范围为0到1,越接近1表示模型拟合程度越好。RMSE指标表示模型预测误差的平均值,数值越小表示模型预测准确度越高。 此外,glmnet包还提供了绘制结果的功能。可以使用包内的函数绘制模型的系数路径图,该图展示了在不同正则化参数下,各个系数的值随之变化的情况。这有助于我们理解Lasso回归模型在不同参数设定下的变量选择与稀疏性表现。 总的来说,glmnet包提供了一个强大的工具,用于实施Lasso回归分析,并为我们提供了模型选择结果、评估指标和结果可视化等多方面的信息,帮助我们更好地理解和解读模型结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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