cv.glment使用哪种模型进行拟合？为什么不同？使用R

我正在与

R

合作，使用带套索惩罚的二元逻辑构建预测模型

最初，该数据集由

63147

观察值和

22

变量组成，其中3%的观察值来自$G_1$，97%来自$G_2$。可以看出，这是非常不平衡的，因此我从$G_1$中选取了

30%

，从$G_2$中选取了

70%

，样本大小为

5000

我试过拟合两个模型，使用

R-software

中的

glm

软件包的经典二元逻辑回归（BLR）和使用

glmnet

软件包的带套索惩罚的二元逻辑回归

我使用

R

中的

scale

函数缩放了数据，因为变量是使用不同的测量值测量的

安装BLR时发生错误，如下所示：

> BLR.Model.SubPop <- train(y~., data = Train.Data.SubPop, method = "glm", family = "binomial")
There were 47 warnings (use warnings() to see them)
> warnings()
Warning messages:
1: glm.fit: algorithm did not converge
2: glm.fit: fitted probabilities numerically 0 or 1 occurred
3: glm.fit: algorithm did not converge
4: glm.fit: fitted probabilities numerically 0 or 1 occurred
5: glm.fit: algorithm did not converge
6: glm.fit: fitted probabilities numerically 0 or 1 occurred
7: glm.fit: algorithm did not converge)

当我尝试使用

lambda.min

和

lambda.1se

安装套索时，我遇到了以下警告

> lasso.model.1se <- glmnet(x, y, alpha = 1, family = "binomial", lambda = cv.lasso$lambda.1se)
Warning messages:
1: from glmnet Fortran code (error code -1); Convergence for 1th lambda value not reached after maxit=100000 iterations; solutions for larger lambdas returned 
2: In getcoef(fit, nvars, nx, vnames) :
  an empty model has been returned; probably a convergence issue

---

>lasso.model.1se默认情况下，glmnet使用lambda.1se，这是您的问题吗？@user2974951-我的问题是为什么会收到警告？当您尝试在CV之后构建模型时，似乎存在收敛问题。第一步是增加maxit，如果这不起作用，请更改优化器。@user2974951我试图更改maxit，但发出了相同的警告。我所做的是更改lambda值，现在它似乎正在工作，您是否了解为什么会发生这种情况？很难说，也许可以尝试检查模型在哪里失败，lambda的哪些值。它是否仅在lambda序列中的lambda值较低或较高时失败？如果是这样，就无法估计模型的这些价值。还是会发生在random Lambda上？在这种情况下，这将意味着麻烦。
> lasso.model.1se <- glmnet(x, y, alpha = 1, family = "binomial", lambda = cv.lasso$lambda.1se)
Warning messages:
1: from glmnet Fortran code (error code -1); Convergence for 1th lambda value not reached after maxit=100000 iterations; solutions for larger lambdas returned 
2: In getcoef(fit, nvars, nx, vnames) :
  an empty model has been returned; probably a convergence issue

LASSO.prob <- cv.lasso %>% predict(newx=x.test,type = "response")