エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
kーfoldクロスバリデーションを用いたLassoにおける変数選択の安定性[R] - 井出草平の研究ノート
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
kーfoldクロスバリデーションを用いたLassoにおける変数選択の安定性[R] - 井出草平の研究ノート
kーfold CVのやり方はこちら。 ides.hatenablog.com また、結果にどのくらいの安定性があるか、計算のた... kーfold CVのやり方はこちら。 ides.hatenablog.com また、結果にどのくらいの安定性があるか、計算のたびに異なる乱数を与え、kーfold CVのLassoの計算を100回反復した。1) 独立変数側で選ばれた変数の回数、2)選ばれた時の推定値の平均とその標準偏差を計算した。 kーfolds cvを行った場合 # 乱数シードの設定 set.seed(1234) seeds <- sample(1:10000, 50) # 結果を保存するリストを初期化 coefficients_list <- list() # 50回の推定を実行 for (i in 1:50) { set.seed(seeds[i]) cv_fit <- cv.glmnet(X, price, alpha=1, nfolds=5) best_lambda <- cv_fit$lambda.min fit