Я хотел бы сравнить полную логистическую модель с регрессионными моделями LASSO, используя калибровочный график.
Сейчас я использую пакет glmnet;
library(glmnet)
res_lasso <- as.matrix( @database@ )
x_lasso <- res_lasso[,-1]
y_lasso <- res_lasso[,1]
glmnet_fit <- glmnet(x_lasso, y_lasso, family="binomial")
cv.glmnet_fit <- cv.glmnet(x_lasso, y_lasso, family="binomial",nfold=5)
opt_lambda <- cv.glmnet_fit$lambda.min
lasso_odds <- glmnet(x_lasso, y_lasso, lambda=opt_lambda, family="binomial")$beta
exp(lasso_odds)
Однако я не использую эти результаты, чтобы дроу калибровать графики.
Насколько мне известно, как минимум 4 функции для калибровки дроу в R; калибровка @ библиотека (hdnom), калибровка @ библиотека (каретка), калибровка @ библиотека (среднеквадратичное значение), calib.plot@PresenceAbsence
Обычно, у меня есть такие графики калибровки;
library(rms)
f <- lrm(ADL ~ sex + ... + bmi ,data= dt, x=TRUE, y=TRUE)
cal <- calibrate(f, group=dt$ADL)
plot(cal)
или
library(caret)
cal_obj <- calibration(Class ~ FDA + LDA, data = lift_results, cuts = 13)
plot(cal_obj, type = "l", auto.key = list(columns = 3, lines = TRUE, points = FALSE))
и я пытался сделать другие пакеты, но не смог.