Подмножество разреженной матрицы с именами строк

Я использую glmnet для выбора функций полиномиальной и перекрестной проверки. Все хорошо, но с чуть менее 400 предикторами и 4 уровнями вывод становится немного беспорядочным.

X <- matrix(rnorm(350000),nrow=1000,ncol=350)
colnames(X) <- sample(LETTERS,350,TRUE)
Y <- factor(sample(LETTERS[1:5],1000,TRUE),levels =LETTERS[1:5])
out.cvfit <- cv.glmnet(x=X ,y=Y,standardize=TRUE,family="multinomial",parallel = TRUE,type.measure = "class")

Итак, я получаю такой вывод:

coef.cv.glmnet(out.cvfit,"lambda.1se")
...
$D
351 x 1 sparse Matrix of class "dgCMatrix"
                     1
(Intercept) 0.06770556
F           .         
L           .         
B           .         
W           .         
V           .         
W           .         
G           .         
X           .         
G           .         
A           .         
G           .         
V           .         
Q           .         
T           .      
...

Немного надуманный пример, так как все равно нулю, так как структуры нет, но суть вы поняли.

Хорошо, это становится очень громоздким для просмотра на нескольких уровнях и составления сводок извлеченных предикторов. Итак, есть ли способ извлечь из разреженной матрицы только ненулевые предикторы?


r glmnet sparse-matrix subset
person Fredrik Karlsson    schedule 21.08.2018    source источник
comment
Знаете ли вы, что разреженная матрица на самом деле хранит только ненулевые элементы?   -  person Roland    schedule 21.08.2018

Ответы (1)


arrow_upward
1
arrow_downward

Я сохранил соответствующий вывод как a. Затем вы можете подмножество с помощью []. Обратите внимание, что . в dgCMatrix распознается как 0.

a <- coef.cv.glmnet(out.cvfit,"lambda.1se")$D
a[a[,1]!=0,]

Используемые данные (уменьшенная версия вашего примера).

set.seed(2018)
X <- matrix(rnorm(35000),nrow=1000,ncol=35)
colnames(X) <- sample(LETTERS,35,TRUE)
Y <- factor(sample(LETTERS[1:5],1000,TRUE),levels =LETTERS[1:5])
out.cvfit <- cv.glmnet(x=X ,y=Y,standardize=TRUE,family="multinomial",parallel = TRUE,type.measure = "class")

a <- coef.cv.glmnet(out.cvfit,"lambda.1se")$D
a[a[,1]!=0,]

 (Intercept)            R            G            R            T            Q            L            Z 
 0.017394446 -0.055170396 -0.006943011  0.006151795  0.017039835 -0.009432169 -0.047730565  0.065618965
person milan    schedule 21.08.2018
comment
Фантастический. Именно то, что мне нужно. Я конвертирую вывод, используя as.data.frame() для удобочитаемости моего набора данных из 400 функций, но ваше решение было именно тем решением, которое мне нужно было найти. Спасибо! - person Fredrik Karlsson; 21.08.2018