Я хочу сравнить модели y ~ . и log(y) ~ ., скорректированные с помощью cv.glmnet, однако после применения преобразования журнала к модели ошибка прогнозирования вычисляется с помощью predicted(log(y)) - log(y).
Если мы вызываем z = log(y), я хочу каким-то образом использовать мою ошибку перекрестной проверки, используя exp(predicted(z)) - exp(z) в качестве термина ошибки, вместо непосредственного расчета MSE на z. Моя цель состоит в том, чтобы сравнить, лучше ли подгонка glmnet с преобразованными логарифмическими откликами, чем использование исходных данных, но средняя ошибка перекрестной проверки, создаваемая обеими моделями, не сопоставима с настройками по умолчанию. Есть ли способ, которым я могу что-то преобразовать и сделать их сопоставимыми?