R中多个LASSO回归的不变“ lambda.min”值

如何解决R中多个LASSO回归的不变“ lambda.min”值

我正在尝试使用以下代码在R中执行多个LASSO回归：

library(readxl)
data <-read_excel("data.xlsx") # 20x20 matrix  
library(glmnet)
    library(coefplot)
    
    A <- as.matrix(data)
    results <- lapply(seq_len(ncol(A)),function(i) {
      list(
    fit_lasso = glmnet(A[,-i],A[,i],standardize = T,alpha = 1),cvfit = cv.glmnet(A[,standardize = TRUE,type.measure = "mse",nfolds = 10,alpha = 1)
  )
})
coefficients <- lapply(results,function(x,fun) fun(coef(x$cvfit,s = "lambda.min")),function(x) x[x[,1L] != 0L,1L,drop = FALSE])

我的输出results产生的Large list (20 elements,1MB)具有20个相同的LASSO输出，但对于20个变量，而coefficients输出只是每种情况下的重要变量。

我注意到，对于同一数据集，结果并不总是相同的-可能是由于每次运行中lambda值的改变？不确定。我想让我的代码查找相同的lambda.min，并在运行数据集时始终给出相同的结果。我相信set.seed（）可以管理它，但无法弄清楚如何充分包含它。

如何始终使它为特定数据集打印相同的输出？

解决方法

只需将lambda.min放在列表前，我就可以每次运行产生相同的set.seed()值。然后，为交叉验证运行的随机抽取设置种子。

library(readxl)
data <-read_excel("data.xlsx") # 20x20 matrix  
library(glmnet)
    library(coefplot)
    
    A <- as.matrix(data)
 set.seed(54234)   
 results <- lapply(seq_len(ncol(A)),function(i) {
      list(
    fit_lasso = glmnet(A[,-i],A[,i],standardize = T,alpha = 1),cvfit = cv.glmnet(A[,standardize = TRUE,type.measure = "mse",nfolds = 10,alpha = 1)
  )
})
coefficients <- lapply(results,function(x,fun) fun(coef(x$cvfit,s = "lambda.min")),function(x) x[x[,1L] != 0L,1L,drop = FALSE])