R cv.glmnet，并在cv中省略一个

我试图使用函数

cv.glmnet

来找到最佳lambda（使用岭回归），以便预测某些对象的归属类别。 所以我使用的代码是：

CVGLM<-cv.glmnet(x,y,nfolds=34,type.measure = "class",alpha=0,grouped = FALSE)

---

CVGLM以下是一个尝试来回答您的问题：

1） 
cv.glmnet
通过使用规范的交叉验证来测试每个lambda的性能。以下是一个例子：

library(glmnet)
data(iris)

找到虹膜预测的最佳lambda：

CVGLM <- cv.glmnet(as.matrix(iris[,-5]),
                   iris[,5],
                   nfolds = nrow(iris),
                   type.measure = "class",
                   alpha = 0,
                   grouped = FALSE,
                   family = "multinomial")

如果您使用LOOCV和best lambda单独测试此项：

z <- lapply(1:nrow(iris), function(x){
  fit <- glmnet(as.matrix(iris[-x,-5]),
                iris[-x,5],
                alpha = 0,
                lambda = CVGLM$lambda.min,
                family="multinomial")

   pred <- predict(fit, as.matrix(iris[x,-5]), type = "class")

  return(data.frame(pred, true = iris[x,5]))
})

z <- do.call(rbind, z)

因此，似乎没有必要使用与cv.glmnet中相同的方法测试性能，因为它将是相同的

2） 当您拥有最佳lambda时，应使用
glmnet
函数在整个数据集上拟合模型。使用该模型后，您要做什么完全取决于您。大多数人训练模型来预测某事

3） 分类问题的R^2是什么？如果你能解释的话，你就可以计算出来

R^2=解释变化/总变化

这在课程方面是什么

无论如何，R^2不用于分类，而是用于AUC、偏差、准确度、平衡准确度、kappa、joudens J等——其中大多数用于二元分类，但有些用于多项式分类

我建议进一步阅读
首先谢谢你的回答。当我谈论R^2时，我指的是模型精度的系数，这是一个参数，可以“说”确定的模型是好是坏。@Katherina很高兴我能帮忙。模型的精度包含在表示总误差的
CVGLM$cvm
中，因此精度为
1-CVGLM$cvm
Ah ok。我明白了！再次感谢！
z <- lapply(1:nrow(iris), function(x){
  fit <- glmnet(as.matrix(iris[-x,-5]),
                iris[-x,5],
                alpha = 0,
                lambda = CVGLM$lambda.min,
                family="multinomial")

   pred <- predict(fit, as.matrix(iris[x,-5]), type = "class")

  return(data.frame(pred, true = iris[x,5]))
})

z <- do.call(rbind, z)

sum(z$pred != z$true)/150
#output
0.06