R中岭回归的预测

【问题标题】：Predictions of ridge regression in RR中岭回归的预测
【发布时间】：2016-06-18 17:34:24
【问题描述】：

我真的被困在这个问题上，希望有人能帮助我！我有一个包含 54 列的数据集，我想对带有岭回归的测试集进行预测。

nn <-nrow(longley)
index <- 1:nrow(longley)
testindex <- sample(index, trunc(length(index)/3))
testset <- longley[testindex,]
trainset <-longley[-testindex,]
trainset1 <- trainset[,-7]

# Fit the ridge regression model:

mod <- lm.ridge(y ~., data = trainset, lambda = 0.661)

# Predict and evaluate it by using MAE function:

mae <- function(model) {
  y = trainset$Employed  
  y.pred <- predict(model, trainset)
  return(mean(abs(y-y.pred)))
}

当我这样做时，我收到以下错误消息：

Error in UseMethod("predict") : 
  no applicable method for 'predict' applied to an object of class "ridgelm"

还有什么方法可以使用有效的岭回归进行预测（也可以使用 rsquared 和 MAE 等评估指标）？

【问题讨论】：

标签： r regression

【解决方案1】：

对于ridgelm 对象确实没有predict 方法：您必须手动完成。顺便说一句，正如您所见，summary 也没有：

> methods(class = 'ridgelm')
[1] coef   plot   print  select

这是线性模型，所以拟合只是一个矩阵计算的问题：

y.pred <- as.matrix(cbind(const=1,trainset)) %*% coef(model)

我们需要加上常数1来与线性模式的常数系数相关联。

重要提示：要使用岭回归，通常是缩放解释变量，因此减去均值。最佳实践应该是从训练中学习缩放定义，然后使用训练集方法从新数据中集中变量。您可能对交叉验证的相关帖子感兴趣：

https://stats.stackexchange.com/questions/152203/how-to-calculate-predicted-values-using-an-lm-ridge-object

【讨论】：