如何在插入符号或整形模型中使用LASSO进行嵌套交叉验证？

Question

目标

我想根据here所示的示意图实施LASSO模型并在训练集上检查其可行性。 （原理图描述：将所有数据划分为测试和训练集。通过5倍交叉验证（CV）将训练集划分为重采样。对每个重采样执行10倍CV以找到最佳的lambda。）设置尚不可用。

我想对LASSO模型进行建模，并使用带有内部CV的嵌套CV来检查其性能，以通过网格搜索和外部CV来获得最佳lambda（分析和评估），以比较重采样1、2、3等。>

Caret with'repeatedcv'

来自Caret的带有'repeatedcv'的火车控件允许指定数字并重复。

lambdas = 10^seq(-3, -1, length = 20)
trControl = trainControl(
      'repeatedcv', 
      number = 10, 
      repeats = 5, 
      search = 'grid'
)
tuneGrid = expand.grid(alpha = 1, lambda = lambdas)
lasso = train(
       PD ~ ., data = selection, 
       method = 'glmnet',
       trControl = trControl, 
       tuneGrid = tuneGrid
)

lasso$results
使用上面的代码，插入符号结果是一个具有20行的数据框。对于定义的网格上的每个点，大概有一行。但是，我想插入符号使用10倍（数字= 10）CV在每个网格搜索中找到一个最佳lambda

然后比较最佳lambda，因为粗体处理已执行了多次（重复= 5）。

目标，我想实施LASSO模型，并根据此处显示的示意图在训练集上检查其可行性。 （示意图：将所有数据分为测试集和训练集。...

Answer 1

您可以使用nested_cv()在tidymodel中实现嵌套重采样：