Lasso之后：将剩余变量存储为新数据帧（使用R）

首先，非常感谢您的兴趣和时间。我的问题（使用R）： 为了预测yvar，我运行了一个套索回归，将X变量集从736减少到30

lasso.mod =glmnet(x,y,alpha=1)
cv.out =cv.glmnet (x,y,alpha=1)
lasso.bestlam =cv.out$lambda.min
tmp_coef = coef(cv.out,s=lasso.bestlam)

varnames = data.frame(name = tmp_coef@Dimnames[[1]][tmp_coef@i])
mylist = list(name = tmp_coef@Dimnames[[1]][tmp_coef@i])

因此，我将剩下的变量名作为数据帧和列表。 如何创建一个新的数据框架，其中包含剩余的30个变量及其观测值？换言之：如何获得原始数据中不包含737个变量但仅包含31个变量的子集

我认为这应该是相当容易的，但我已经花了两个多小时，它从来没有工作

致以最良好的祝愿，

---

Thomas无法测试您的解决方案，因为我没有数据，但这应该可以做到：

varnames <- tmp_coef@Dimnames[[1]][tmp_coef@i]
as.data.frame(cbind(x[, varnames], y))

---

varnamesYour
tmp_coef@Dimnames[[1]][tmp_coef@i]
variable包含其余变量的名称，但也包含“（Intercept）”作为第一项。如果将其与
-1]
一起丢弃，则可以提取列：

x <- as.data.frame(x[, tmp_coef@Dimnames[[1]][tmp_coef@i][-1]])

这似乎是一个标准的列选择问题。以旧数据帧为例，选择列表中的列作为向量。例如，
mtcars[，c（“mpg”，“cyl”）]
将从
mtcars
数据集中选择这两列。搜索此站点以获取列选择帮助将为您提供多个答案。问题是，套索后的变量可能会发生变化（取决于我在运行套索之前所做的其他事情）。因此，我不想每次手写30个变量。但是谢谢你的时间和考虑。
x <- as.data.frame(x[, tmp_coef@i[-1]])