R中的网格搜索用于非参数分位数回归答案

【问题标题】：Grid Search in R for Nonparametric Quantile RegressionR中的网格搜索用于非参数分位数回归
【发布时间】：2021-04-04 20:13:32
【问题描述】：

我在 R 中使用了一个名为 "quantreg" 的库，并尝试在时间序列的基础上估计完整的非参数分位数回归。为了获得统计上显着的结果，我尝试了很多变量和平滑参数值 (lambda)。但这很累而且非常耗时。因此，我想应用网格搜索，但这对我来说有点难。我想确定最佳平滑值，所以我应该构造一个 for 循环。但我希望该循环尝试每种组合。在我想获得最佳模型或模型的 lambda 值（所有变量的 p 值

lambdas1<-rbind(1,2,3)
lambdas2<-rbind(1,2,3)
lambdas3<-rbind(1,2,3)
    
mylist<-list()
    for (i in 1:3) {
      for (j in 1:3) {
        for (n in 1:3) {
          f <-try(rqss(Y~qss(X1,lambda = lambdas1[i])+qss(X2,lambda = lambdas2[j])+qss(X3,lambda = lambdas3[n]), tau=0.05)) 
          sf<-summary(f)
          if( (sf[["qsstab"]]['X1','Pr(>F)']<0.05)&(sf[["qsstab"]]['X2','Pr(>F)']<0.05)&(sf[["qsstab"]]['X3','Pr(>F)']<0.05) ){
            mylist[[i]]<-f$lambdas
          }
        }
      }
    }

如何重新排列此代码？有什么捷径吗？

任何帮助将不胜感激。提前谢谢你。

【问题讨论】：

标签： r grid-search quantile quantile-regression

【解决方案1】：

您可以使用baseR expand.grid 创建所有可能组合的data.frame，然后使用apply(grid, MARGIN=2, ...) 循环遍历其行，如果每个p-value，我也“优化”了您正在查找的代码我把它改成使用all(p.vals < .05)

lambdas <- expand.grid(1:3,1:3,1:3) 
check_lambdas <- function(lambdas){
    f <-try(rqss(Y~qss(X1,lambda = lambdas[1])+qss(X2,lambda = lambdas[2])+qss(X3,lambda = lambdas[3]), tau=0.05)) 
    if( all(summary(f)$qsstab[,'Pr(>F)']<0.05) ) f$lambdas else NULL
}
apply(lambdas, 2, check_lambdas)

【讨论】：