आर में गैर नकारात्मक लस्सो कार्यान्वयन


13

मैं कुछ खुले स्रोत या एक मौजूदा पुस्तकालय की तलाश कर रहा हूं जिसका मैं उपयोग कर सकता हूं। जहां तक ​​मैं बताता हूं कि गैर नकारात्मक मामले को कवर करने के लिए glmnet पैकेज बहुत आसानी से एक्स्टेंसिबल नहीं है। मैं गलत हो सकता हूं, किसी भी विचार के साथ कोई भी बहुत सराहना करता है।

गैर-नकारात्मक से मेरा मतलब है कि सभी गुणांक सकारात्मक होने के लिए विवश हैं (> 0)।


1
मुझे पूछने के लिए क्षमा करें, लेकिन गैर-नकारात्मक लसो के साथ वास्तव में आपका क्या मतलब है? सभी गुणांक रखने के लिए> 0 या केवल सकारात्मक भविष्यवाणियों की अनुमति दें? Googling ने मुझे प्रबुद्ध नहीं किया, लेकिन यह कुछ ऐसा लगता है जिसके बारे में मैं जानना चाहता हूं।
बैकलाइन

1
आपके प्रश्न को बंद करने के लिए क्षमा करें, लेकिन www.crossvalidated.com पर यह बेहतर तरीके से पूछा और उत्तर दिया गया है। मैंने प्रवास के लिए प्रश्न को चिह्नित किया है, इसलिए मॉड्स जल्द ही इसका ध्यान रखेंगे। इसने कहा, कृपया अपने प्रश्न को स्पष्ट करें और स्पष्ट करें कि आप क्या चाहते हैं। हमारे शोध समूह के
लास्सो

उसके लिए माफ़ करना। गैर नकारात्मक का मतलब है कि सभी गुणांक सकारात्मक हैं। मैं पैकेज glmnet का उपयोग करने की कोशिश की, लेकिन यह केवल सामान्य मामले के लिए हल करती है।
gbh

जवाबों:


8

इसमें glmnetविकल्प है

lower.limits=0

कि आप उपयोग कर सकते हैं और फिट किए गए गुणांक पर सकारात्मकता की कमी को लागू करने के लिए यह उपयुक्त तरीका होगा और यदि आप alpha1 को पैरामीटर सेट करते हैं तो आप LASSO फिटिंग करेंगे। तर्क के साथ संयोजन में upper.limitsआप बॉक्स बाधाओं को भी निर्दिष्ट कर सकते हैं। glmnetपैकेज भी बहुत तेजी से है penalizedपैकेज, एक और उत्तर यहाँ का सुझाव दिया।

इसका एक Rcppसंस्करण glmnetसकारात्मकता के लिए समर्थन के साथ लैस्सो और इलास्टिक नेट फिट कर सकता है और बॉक्स की कमी भी तैयारी में है, और https://github.com/jaredhuling/ordinis पर परीक्षण के लिए उपलब्ध है


7

एक विकल्प के लिए दंडित पैकेज देखें । पैकेज के साथ आने वाला विगनेट (पीडीएफ!) खंड 3.9 में इसका उदाहरण है।

फ़ंक्शन के positive = TRUEलिए कॉल में आवश्यक रूप से तर्क सेट करें penalized()


4

यह और यह पेपर प्रदर्शित करता है कि कुछ शर्तों के तहत, गैर-नकारात्मक कम से कम वर्गों के समाधान की कठिन थ्रेशिंग प्रदर्शन के मामले में एल 1 नियमितीकरण (एलएएसओ) के बराबर या बेहतर प्रदर्शन कर सकती है। एक उदाहरण यह है कि यदि आपके डिज़ाइन मैट्रिक्स में केवल गैर-नकारात्मक प्रविष्टियाँ हैं, जो अक्सर होता है।

एनटीएनएस बहुत व्यापक रूप से समर्थित है और इसे हल करने के लिए आसान / तेज़ भी होगा।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.