Importance variable de GLMNET

Je cherche à utiliser le lasso comme méthode pour sélectionner des entités et ajuster un modèle prédictif avec une cible binaire. Voici un code avec lequel je jouais pour essayer la méthode avec régression logistique régularisée.

Ma question est de savoir si j'obtiens un groupe de variables "significatives", mais suis-je en mesure de classer ces variables pour estimer l'importance relative de chacune? Les coefficients peuvent-ils être standardisés à cet effet de classement par valeur absolue (je comprends qu'ils sont montrés sur l'échelle variable d'origine à travers la coeffonction)? Si tel est le cas, comment procéder (en utilisant l'écart type de x et y) Standardiser les coefficients de régression .

EXEMPLE DE CODE:

    library(glmnet)

    #data comes from

#http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+(Diagnostic)

    datasetTest <- read.csv('C:/Documents and Settings/E997608/Desktop/wdbc.data.txt',head=FALSE)


#appears to use the first level as the target success
   datasetTest$V2<-as.factor(ifelse(as.character(datasetTest$V2)=="M","0","1"))


#cross validation to find optimal lambda
#using the lasso because alpha=1

    cv.result<-cv.glmnet(       
              x=as.matrix(dataset[,3:ncol(datasetTest)]),
              y=datasetTest[,2],        
              family="binomial",        
              nfolds=10,        
              type.measure="deviance",       
              alpha=1      
              )

#values of lambda used

    histogram(cv.result$lambda)

#plot of the error measure (here was deviance)
#as a CI from each of the 10 folds
#for each value of lambda (log actually)

    plot(cv.result) 

#the mean cross validation error (one for each of the
#100 values of lambda

    cv.result$cvm

#the value of lambda that minimzes the error measure
#result: 0.001909601

    cv.result$lambda.min
    log(cv.result$lambda.min)

#the value of lambda that minimzes the error measure
#within 1 SE of the minimum
#result: 0.007024236

    cv.result$lambda.1se

#the full sequence was fit in the object called cv.result$glmnet.fit
#this is same as a call to it directly.
#here are the coefficients from the min lambda

    coef(cv.result$glmnet.fit,s=cv.result$lambda.1se)

Pour autant que je sache, glmnet ne calcule pas les erreurs standard des coefficients de régression (car il correspond aux paramètres du modèle en utilisant la descente de coordonnées cycliques). Donc, si vous avez besoin de coefficients de régression standardisés, vous devrez utiliser une autre méthode (par exemple glm)

Cela dit, si les variables explicatives sont normalisées avant l'ajustement et que glmnet est appelé avec "standardize = FALSE", alors les coefficients les moins importants seront plus petits que les plus importants - vous pouvez donc les classer juste en fonction de leur ampleur. Cela devient encore plus prononcé avec un retrait non négligeable (c.-à-d. Lambda non nul)

J'espère que cela t'aides..

Pour obtenir le coefficient dans un espace qui vous permet de comparer directement leur importance, vous devez les standardiser. J'ai écrit une note sur Thinklab pour discuter de la standardisation des coefficients de régression logistique.

(Très) Bref, je conseille d'utiliser la méthode Agresti :

# if X is the input matrix of the glmnet function,
# and cv.result is your glmnet object:
sds <- apply(X, 2, sd)
cs <- as.matrix(coef(cv.result, s = "lambda.min"))
std_coefs <- coefs[-1, 1] * sds

Si vous vous êtes appuyé sur la standardisation interne par glmnet (option par défaut standardize = TRUE), ces coefficients standardisés sont en fait ceux résultant de l'étape d'ajustement, avant retransformation par glmnet dans l'espace d'origine (voir une autre note :-)).