Это странная проблема, что я не уверен, что происходит. Когда я использую cv.glmnet, я ввожу последовательность лямбда, но иногда она, похоже, дает мне другую последовательность в модели. Я пытаюсь найти среднее значение MSE vs лямбда-кривой из кучки k-fold-трасс, поэтому это вызывает много проблем для меня. Прямо сейчас, у меня есть:glmnet дает разные значения лямбда, чем введенные
ridge = function(trax, tray, lambda, folds)
{
folds_ids = array(dim=length(tray))
for (f in 1:length(folds))
{
folds_ids[folds[[f]]] = f
}
cvfit = cv.glmnet(trax,
tray,
alpha=0,
lambda=lambda,
family='binomial',
foldid=folds_ids,
parallel=TRUE)
return(cvfit)
}
ridge_lambda = seq(5e-1,1e-5,length=100)
ridge_result = ridge(trax=training_featr,
tray=training_class,
lam = ridge_lambda,
folds = kfolds)
Прямо сейчас, ridge_result $ лямбда и ridge_result $ МВО иногда дают векторы, которые являются 99 элементов вместо 100. Я понятия не имею, почему. Я ценю любую помощь, которую я могу получить.