尝试在 R 中实现套索时出现“参数 Y 缺失”？答案

【问题标题】："Argument Y Missing" when trying to implement Lasso in R?尝试在 R 中实现套索时出现“参数 Y 缺失”？
【发布时间】：2019-02-13 19:32:07
【问题描述】：

尝试在 R 中执行特征选择。我正在使用 glmnet 包来执行此操作。到目前为止，这是我的代码：

lasso_model = glmnet(as.matrix(x = lasso, y = lasso_target, 
standardize=TRUE, alpha=1))

lasso 是一个充满数字和分类预测变量的数据框。第一列是我删除的目标变量。

lasso_target 是我删除的目标变量，存储为它自己的数据框。

错误：

Error in drop(y) : argument "y" is missing, with no default

我的目标是在将数据框输入模型之前从数据框中删除无意义的特征。任何帮助将不胜感激！

【问题讨论】：

您的声明as.matrix(x = lasso 似乎不正确假设lasso 和lasso_target 是两个对象，您可能需要glmnet(x = as.matrix(lasso), y = as.matrix(lasso_target), ..。错误是因为你已经用所有参数包装了as.matrix
您可以查看?glmnet，其中显示了示例x=matrix(rnorm(100*20),100,20); y=rnorm(100); fit1=glmnet(x,y)

标签： r machine-learning glmnet

【解决方案1】：

你的关闭！但是输入和响应变量需要单独定义。您所做的是将它们组合成一个矩阵（除了 glmnet 的其他参数）并将整个事物传递给函数。由于默认情况下 x 是第一个参数，因此它假定它是输入矩阵，然后找不到负责的变量，因为 y 参数尚未定义。因此，您会收到一个错误提示。

这应该可以解决问题：

lasso_model <-  glmnet(x = as.matrix(lasso), 
                       y = as.matrix(lasso_target), 
                       standardize=TRUE, 
                       alpha=1)

【讨论】：

这似乎有效，谢谢！我的后续问题是关于如何解释结果以确定哪些列信息最少？我将 %dev 和 lambda 视为列。
coef(lasso_model, s = cv.glmnet(x=as.matrix(lasso), y=lasso_target)$lambda.min) 将返回最小化模型平均交叉验证误差的系数的权重。见stackoverflow.com/questions/30565457/…
非常感谢您的回复！运行时出现此错误： cbind2(1, newx) %*% nbeta 中的错误：对 dup_mMatrix_as_dgeMatrix 无效的类 'NA'
@rmahesh 请避免提出与 OP 无关的后续问题。如果您有新问题，您可以随时提出新问题。另外，由于答案解决了您的问题，请接受它。
@Justin 再次感谢您的回复，但它似乎不起作用。我想我会研究其他选择。尽管如此，还是感谢您的所有时间。如果我有任何进一步的问题，我会发布另一个问题。