R 用套索回归预测函数

我正在尝试为我的销售预测问题实现套索回归。我正在使用

glmnet

软件包和

cv.glmnet

函数来训练模型

library(glmnet)
set.seed(123)
model = cv.glmnet(as.matrix(x = train[, -which(names(train) %in% "Sales")]),
                  y = train$Sales,
                  alpha = 1,
                  lambda = 10^seq(4,-1,-0.1))
best_lambda = model$lambda.min
lasso_predictions_valid <- predict(model,s = best_lambda,type = "coefficients")

库（glmnet）
种子集（123）
model=cv.glmnet（如.matrix（x=train[，-which（名称（train）%in%“Sales”））），
y=列车$销售额，
α=1，
λ=10^序列（4，-1，-0.1））
最佳λ=型号$lambda.min
套索预测有效我认为你的
套索预测有效
中有一个错误，你不应该把
有效的$sales
作为你的newx，因为我相信这是实际的销售数字

一旦您使用火车集创建了模型，那么对于
newx
，您需要传递要进行预测的x的矩阵值，我猜在这种情况下，它将是您的验证集

看看上面的示例代码，我认为您的
predict
行应该是这样的：

lasso_predictions_valid <- predict(model, s = best_lambda, 
                                   newx = as.matrix(valid[, -which(names(valid) %in% "Sales")]), 
                                   type = "coefficients")

newx
参数的工作原理类似于
newdata
。从帮助页面：“
newx
-要进行预测的x的新值矩阵。必须是矩阵[…]”好的，我已经使用了此代码，它工作了
lasso\u predictions\u有效谢谢。但是当我运行RMSE行时，我在eval（call，parent.frame（））中得到了这个错误：dims[product 44]与对象[856]的长度不匹配。
您应该检查
RMSE
行中两个参数的
长度。听起来你有不同数量的预测和观察。这是正确的，我对其他预测模型使用了相同的语法，它可以工作。我认为这里的问题可能与as.matrix有关？我建议您包括数据集的样本，以便其他人重现错误。如果您认为as.matrix存在问题，那么我猜这可能是由于因子变量造成的。您的数据中有任何分类变量吗？如果您这样做，那么
model.matrix
应该这样做，例如
model.matrix（~-1，数据）
RMSE(lasso_predictions_valid, valid$Sales)