套索r码-有什么问题吗？

我试图使用lars包进行套索回归，但似乎无法使lars位工作。我已输入代码：

diabetes<-read.table("diabetes.txt", header=TRUE)
diabetes
library(lars)
diabetes.lasso = lars(diabetes$x, diabetes$y, type = "lasso")

---

lars:：lars

似乎没有公式接口，这意味着您不能对列名使用公式规范（而且它不接受“data=”参数）。有关此主题和其他“数据挖掘”主题的更多信息，您可能希望获得经典文本的副本：“统计学习的要素”。试试这个：

# this obviously assumes require(lars) and data(diabetes) have been executed.
> diabetes.lasso = with( diabetes, lars(x, y, type = "lasso"))
> summary(diabetes.lasso)
LARS/LASSO
Call: lars(x = x, y = y, type = "lasso")
   Df     Rss       Cp
0   1 2621009 453.7263
1   2 2510465 418.0322
2   3 1700369 143.8012
3   4 1527165  86.7411
4   5 1365734  33.6957
5   6 1324118  21.5052
6   7 1308932  18.3270
7   8 1275355   8.8775
8   9 1270233   9.1311
9  10 1269390  10.8435
10 11 1264977  11.3390
11 10 1264765   9.2668
12 11 1263983  11.0000

---

我认为一些混淆可能与以下事实有关：

lars

包附带的

diabetes

数据集具有不寻常的结构

library(lars)
data(diabetes)
sapply(diabetes,class)
##        x         y        x2 
##   "AsIs" "numeric"    "AsIs" 

sapply(diabetes,dim)
## $x
## [1] 442  10
## 
## $y
## NULL
## 
## $x2
## [1] 442  64

换句话说，

diabetes

是一个包含“列”的数据框，这些列本身就是矩阵。在这种情况下，

使用（糖尿病，lars（x，y，type=“lasso”）

或

lars（糖尿病$x，糖尿病$y，type=“lasso”）

效果良好。（但是仅仅

lars（x，y，type=“lasso”）

不会，因为R不知道在

diabetes

数据框中查找

x

和

y

变量。）

但是，如果您正在读取自己的数据，您必须自己分离响应变量和预测矩阵，例如

X <- as.matrix(mydiabetes[names(mydiabetes)!="y",])
mydiabetes.lasso = lars(X, mydiabetes$y, type = "lasso")

---

X你能把dput（糖尿病）

的结果发布在第一部分（使其可复制）吗？

lars（）中的
X
被认为是一个矩阵，而
y
是一个向量。您的数据不太可能满足至少
x
的要求，因为如果您显示的代码是准确的，那么这将是一个单一的描述向量。我的数据是一个txt文件，包含10个变量的大约500个数据样本。如何编辑代码使其工作？我已经尝试了上面的2个，但它不起作用。给我们看你的数据，几行就足够了。我已经把我的数据添加到了原来的帖子中。现在“糖尿病”是
pkg:lars
附带的数据集之一（正如OP使用
数据（糖尿病）
。我已经尝试了上面的内容，我得到：lars中的错误（x，y，type=“lasso”）：object'x'not found糖尿病对象是一个列表，其'x'元素是一个矩阵。
colnames（diabetes$x）[1]“年龄”“性别”“体重指数”“map”“tc”“低密度脂蛋白”“高密度脂蛋白”“tch”“ltg”“glu”
实际上它是一个矩阵……至少解释器是这么认为的：
是.matrix（diabetes$x）[1]TRUE
…是.data.frame（diabetes$x）[1]FALSE

对不起，我的意思是糖尿病是一个数据框，而不是一个列表（这让我觉得有点混乱）。我同意糖尿病$x是一个矩阵。

library(lars)
data(diabetes)
sapply(diabetes,class)
##        x         y        x2 
##   "AsIs" "numeric"    "AsIs" 

sapply(diabetes,dim)
## $x
## [1] 442  10
## 
## $y
## NULL
## 
## $x2
## [1] 442  64

X <- as.matrix(mydiabetes[names(mydiabetes)!="y",])
mydiabetes.lasso = lars(X, mydiabetes$y, type = "lasso")

X <- model.matrix(y~.,data=mydiabetes)