R 最终插入弹性网络模型中非零系数的识别-

我已经使用插入符号构建了一个使用10倍cv的弹性网络模型，我想看看在最终模型中使用了哪些系数（即那些没有减少到零的系数）。我使用了以下代码来查看系数，但是，这是为了创建所用系数值的每个排列的数据帧，而不是在最终模型中使用的数据帧：

tr_control = train_control(method="cv",number=10)
formula = response ~.

model1 = caret::train(formula,
                    data=training,
                    method="glmnet",
                    trControl=tr_control,
                    metric = "Accuracy",
                    family = "binomial")

然后，为了从最终模型中提取系数并使用最佳lambda值，我使用了以下方法：

data.frame(as.matrix(coef(model1$finalModel, model1$bestTune$.lambda)))

然而，这只是返回所有系数的数据帧，我可以看到系数被减少到零的不同实例，但是，我不确定最终模型使用的是哪一个。使用一些稍有不同的代码，我得到了稍有不同的结果，但在本例中，没有一个系数减少到零，这向我表明最终模型没有将任何系数减少到零：

data.frame(as.matrix(coef(model1$finalModel, model1$bestTune$lambda))) #i have removed the full stop preceeding lambda

---

基本上，我想知道最终模型中有哪些特征，以评估模型作为特征缩减过程的表现（以及标准模型评估指标，如准确性、敏感性等）。

由于您没有提供任何示例数据，我基于

iris

内置数据集发布了一个示例，稍微修改以更好地满足您的需要（二项式结果）

首先，修改数据集

library(caret)
set.seed(5)#just for reproducibility
iris
irisn <- iris[iris$Species!="virginica",]
irisn$Species <- factor(irisn$Species,levels = c("versicolor","setosa"))
str(irisn)
summary(irisn)

您可以像以前一样提取最终模型的系数：

data.frame(as.matrix(coef(model1$finalModel, model1$bestTune$lambda)))

同样在这里，模型没有将任何系数减少到0，但是如果我们添加一个对结果没有任何解释的随机变量呢

irisn$new1 <- runif(nrow(irisn))
model2  <-  caret::train(Species~.,
                         data=irisn,
                         method="glmnet",
                         trControl=tr_control,
                         family = "binomial")
var <- data.frame(as.matrix(coef(model2$finalModel, model2$bestTune$lambda)))

最后，可以使用

confusionMatrix(predict(model1,test),test$outcome)

---

多亏了这一点——看来我的最终模型实际上并没有将任何系数减为零，这表明它并没有惩罚任何变量。我非常感谢您的帮助。您可以尝试使用

套索

模型，该模型仅适用于L1惩罚。就所选预测因素而言，它应该更具选择性，因为它是一个α=1的弹性网络回归。是的，我比较了glm、弹性网络、岭回归和套索。我在插入符号包之外做了这两件事，也使用了插入符号。

rownames(var)[var$X1!=0]

confusionMatrix(predict(model1,test),test$outcome)