R 使用交叉验证计算岭回归参数

我在一个数据帧中有一个57个特性（列）~4600行数据集。为了计算一个好的岭回归参数，我想对它进行10倍交叉验证。有人能告诉我在R怎么做吗

在

parcor

软件包中，它就是专门为这个目的而设计的

以下是本手册中的一个示例：

> n<-100 # number of observations
> p<-60 # number of variables
> X<-matrix(rnorm(n*p),ncol=p) 
> y<-rnorm(n)
> ridge.object<-ridge.cv(X,y)
> ridge.object
$intercept

0.01146743 

$coefficients
           X1            X2            X3            X4            X5            X6            X7           
 1.709387e-02  4.833916e-03  3.954463e-03 -9.671448e-03  4.507962e-03 -6.370366e-03 -4.655737e-02  
...
          X57           X58           X59           X60 
-2.119606e-03 -1.229390e-04 -1.912877e-03 -1.833788e-02 

$lambda.opt
[1] 540

>n p X y ridge.object ridge.object
$intercept
0.01146743
$系数
x1x2x3x4x5x6x7
1.709387e-02 4.833916e-03 3.954463e-03-9.671448e-03 4.507962e-03-6.370366e-03-4.655737e-02
...
X57 X58 X59 X60
-2.119606e-03-1.229390e-04-1.912877e-03-1.833788e-02
$lambda.opt
[1] 540

这里，

$lambda.opt

是使用十倍交叉验证获得的正则化参数的最佳值。

parcor

包中的正是为此而设计的

以下是本手册中的一个示例：

> n<-100 # number of observations
> p<-60 # number of variables
> X<-matrix(rnorm(n*p),ncol=p) 
> y<-rnorm(n)
> ridge.object<-ridge.cv(X,y)
> ridge.object
$intercept

0.01146743 

$coefficients
           X1            X2            X3            X4            X5            X6            X7           
 1.709387e-02  4.833916e-03  3.954463e-03 -9.671448e-03  4.507962e-03 -6.370366e-03 -4.655737e-02  
...
          X57           X58           X59           X60 
-2.119606e-03 -1.229390e-04 -1.912877e-03 -1.833788e-02 

$lambda.opt
[1] 540

>n p X y ridge.object ridge.object
$intercept
0.01146743
$系数
x1x2x3x4x5x6x7
1.709387e-02 4.833916e-03 3.954463e-03-9.671448e-03 4.507962e-03-6.370366e-03-4.655737e-02
...
X57 X58 X59 X60
-2.119606e-03-1.229390e-04-1.912877e-03-1.833788e-02
$lambda.opt
[1] 540

这里，

$lambda.opt

是使用十倍交叉验证获得的正则化参数的最佳值