我有兴趣使用惩罚回归 (LASSO) 与
glmnet
中的 tidymodels
引擎来拟合具有连续响应变量并在 0 和 1 之间绑定的模型。我熟悉如何将模型拟合到此使用更“标准”的广义线性建模框架(例如,使用 beta 系列和与 glmmTMB
包的 logit 链接)的数据类型,但在使用惩罚回归时有点迷失(glmnet
,tidymodels
) 。据我所知,glmnet 只接受几个不同的家庭。感谢您的任何想法或想法!
我尝试使用默认的高斯族和 glmnet/tidymodels 进行线性回归,但我觉得我不能依赖这些结果,因为响应数据与这个分布不匹配。
指定family = "binomial"
应该
可能就可以了。这将强制对残差方差进行合理的缩放(与
p*(1-p)
成比例)。只要 glmnet
的机制中没有任何内容特别需要整数值响应,就应该没问题(例如,如果您拟合具有非整数响应的模型,base-R glm()
会警告您,但会仍然给你合理的点估计)。