r - glmnet 包中的类型测量差异？

Question

在 glmnet 包中使用“mse”和“class”有什么区别？

log_x <- model.matrix(response~.,train)
log_y <- ifelse(train$response=="good",1,0)
log_cv <- cv.glmnet(log_x,log_y,alpha=1,family="binomial", type.measure =  "class")
summary(log_cv)
plot(log_cv)

对比

log_x <- model.matrix(response~.,train)
log_y <- ifelse(train$response=="good",1,0)
log_cv <- cv.glmnet(log_x,log_y,alpha=1,family="binomial", type.measure =  "mse")
summary(log_cv)
plot(log_cv)

我注意到我得到的曲线略有不同，或者我的绘图中的平滑度，以及几个 % 的准确性差异。但是对于预测二项式类响应，一种类型的度量比另一种更合适？

Answer 1

这取决于您的案例研究以及您想从模型中学到什么。来自帮助文件

The default is type.measure="deviance", which uses squared-error for gaussian models (a.k.a type.measure="mse" there) [...]. type.measure="class" applies to binomial and multinomial logistic regression only, and gives misclassification error

因此，您必须问问自己，在您的问题中，您是想最小化误分类误差还是均方误差。

对于哪个最好，没有直接的答案。它们是两种不同的统计数据，在给定交叉验证生成的不同模型的情况下，模型根据这些统计数据决定最佳惩罚参数是什么。