我是一个R新手。我正在使用“clogitL 1”来运行一个正则化的条件logistic回归，用于一个匹配的病例对照研究，有1021个自变量（代谢物）。我无法提取回归系数。我试过summary(x)，coef(x)，coefficient(x)，x$beta--它们都不起作用。我可以运行它，如果我在它后面加上“cv.clogitL1”，我可以提取交叉验证的估计系数，但不能提取原始模型的估计系数。下面是我的一些代码：
strata=sort(data.meta$MATCHED_NEW)
condlog <- clogitL1(y=data.meta$BCR, x=data.meta$ln_metab[, data.features ], strata,
numLambda=100, minLambdaRatio=0.000001, alpha = 1.0)字符串
“strata”是指示病例和对照配对的向量。“data.Meta$BCR”是指示病例或对照状态的向量。“data.meta$ln_metab”是以观测值为行、以代谢物水平为列的矩阵。“data.features”是指示哪些代谢物通过了几个降维过滤器的向量。
感谢任何建议。
1条答案
按热度按时间olhwl3o21#
所以，我发现你的问题，而我正在寻找类似的答案，并在阅读从clogitL1帮助文件和谷歌在互联网上的一些随机的东西后，这是我拼凑起来的。我希望它能帮助别人。你运行的clogitL1函数的输出，是使用不同的lambda值多次运行模型的结果但是现在你需要运行第二部分，交叉验证步骤，来帮助你决定选择哪个lambda。
添加：
字符串
会进行交叉验证
型
我将生成一个很好的图，显示当你改变lambda时，偏差是如何变化的。你要寻找的是使偏差最小化的lambda值（即即使你删除了预测变量，也不会 * 松散地 * 改变模型的整体“性能”）。然而，可能有几个lambda值的性能可能 * 或多或少 * 大致相同（这就是误差条所显示的）所以我们真正想要的是对应于最少预测变量的lambda值（因此更简约的模型）在“最佳”的公差范围内典型地，这是1标准偏差规则，意味着产生在“最佳”模型的1标准偏差内的偏差的λ的任何值，同样好（因此如果lambda值对应的预测变量较少，则更好）。这些是垂直条之间显示的内容。
然后，您可以使用模型摘要提取lambda值和最终模型的系数，这些系数对应于绝对最小条件偏差或对应于1 SD内条件偏差最小变化的lambda。
型
输出将不会被标记，但将对应于您放入模型中的值（即位置1将是与您的数据特征1对应的beta系数）。
我希望我做得很好，我自己也在学习。