正确估计 glmmLasso 函数的参数

机器算法验证 r 混合模式 套索 咕噜咕噜
2022-03-16 07:18:18

我正在使用glmmLasso变量选择。就我而言，n略小于p并且p是不同时间段的生物气候变量，因此高度相关。

如何为参数选择正确的值：lambda和control. 我尝试了不同的值lambda，maxIter（甚至到 10,000）和control（start和steps）。但是，算法永远不会收敛。所有选定变量的 p.values 都是 0，这让我想知道不收敛是否是原因。什么因素可以帮助在合理数量的迭代中实现收敛？

在选择的变量中，由于 p.values 都为 0（其余变量为 NA），我可以根据 估计相对变量重要性StdErr吗？

此外，lambda产生最低BIC值的结果选择了太多变量作为重要变量。在这种情况下可以吗（因为我只是为建模做一个粗略的变量选择）不用担心 BIC，而是选择给我合理数量的变量的 lambda，这些变量在我的数据下也有意义。

start无论如何，其中的论点是什么control？所有零都是不可接受的，低于特定长度的向量也是如此。值和向量长度取决于什么？抱歉，如果这表明对混合模型背后的数学一无所知......

有关数据的详细信息，请参阅使用混合模型进行变量选择（lme4）

我GMMBoost也通过了 Groll，但在这种情况下没有找到可以指导我的东西。有没有人使用 glmmLasso 进行分析并遇到过类似的情况？很高兴听到任何建议

1个回答

该glmmLasso软件包包含一个演示文件，其中显示了几种策略，如何优化调整参数lambda。我建议从 的高值开始lambda，这样所有协变量都设置为零，然后逐步减少它。如果将对应于 a 的最终系数估计lambda用作下一个较小的 的起始值，它会提高速度lambda。

列表的参数start是control所有模型参数的起始值向量，即所有固定效应（通常包括截距），然后是所有随机效应（因此取决于你的组合因子的长度和随机项的结构)，请参阅 的文档glmmLassoControl。例如，如果您使用简单的随机截距拟合以下 GLMM：

fit <- glmmLasso(y ~ x1 + ... + x10, rnd = list(id=~1), data = ..., ... )

并假设您的分组因子id包含 80 个人，那么start向量的长度必须为 1（截距）+10（固定效应）+80（随机效应）=91。

根据我的经验，与最低 BIC 对应的模型lambda通常非常稀疏。所以我建议首先检查一下，如果真的所有协变量都已经被标准化以具有方差一个。此外，查看您的lambda值序列的系数路径，以检查它们是否按照 LASSO 的通常期望建立。

其它你可能感兴趣的问题
上一篇为什么我们在使用 MLE（最大似然估计）时总是将 log() 放在联合 pdf 之前？ 下一篇如何划分在组级别和个人级别解释的方差？