【问题标题】:R - Logistic Regression - Sparse MatrixR - 逻辑回归 - 稀疏矩阵
【发布时间】:2015-01-30 05:51:59
【问题描述】:

我有一个包含大约 1000 个特征和大约 30,000 行的数据集。大多数数据是0。我目前将此信息存储在稀疏矩阵中。现在我想做的是执行按列逻辑回归 - 每个特征与因变量。

我的问题是如何对稀疏矩阵执行逻辑回归。我偶然发现了 glmnet 包,但它至少需要 2 列。这是一些示例代码

require(glmnet)
x = matrix(rnorm(100*1),100,1)
y = rnorm(100)
glmnet(x,y)

这给了我一个错误。我想知道是否还有其他我可能错过的包裹?

任何帮助将不胜感激。谢谢大家

【问题讨论】:

  • 为什么不使用lappy?那有用吗?
  • 我认为我的问题并不清楚。我已经改写了。为混乱道歉
  • 这可能发生在 sparse.model.matrix 中,但我不知道这是否是您要查找的内容。

标签: r sparse-matrix logistic-regression


【解决方案1】:

这与其说是解决方案,不如说是一种解决方法。您可以在单列矩阵中添加一列(cbind(1, x))。这个新列将用于估计截距。因此,您必须使用参数intercept = FALSE

glmnet(cbind(1, x), y, intercept = FALSE)

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2016-09-11
    • 2017-06-22
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2018-01-26
    • 1970-01-01
    • 2013-11-29
    相关资源
    最近更新 更多