大佬教程收集整理的这篇文章主要介绍了Lasso 模型中的 Matthews 相关系数，使用 R 进行逻辑回归，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我正在使用库 (MASS) 中的数据 (birthwt)，我想在套索模型中使用 R 计算马修斯相关系数 (MCC)。我真的很困惑。预先考虑
birthwt=birthwt[,-10]
boot=sample(nrow(birthwt),40)
Train.data=birthwt[-boot,]
test.data=birthwt[boot,]
x =model.matrix(low~.,Train.data)[,-1]
y =Train.data$low
library(glmnet)
set.seed(123)
cv.lasso = cv.glmnet(x,y,Alpha = 1,family = "binomial")
model.lasso=glmnet(x,Alpha=1,family="binomial",lambda= cv.lasso$lambda.min)
coef(model.lasso)
x.test = model.matrix(low ~.,test.data)[,-1]
proba.lasso = preDict(model.lasso,newx = x.test)
class.lasso = ifelse(proba.lasso > 0.5,1,0)
class.obs = test.data$low
如果您对 glmnet 对象进行预测，则默认响应是 logit 链接，但在您的情况下，您需要执行以下操作：
class.lasso = preDict(model.lasso,newx = x.test,type="class")
class.lasso = as.numeric(class.lasso)
class.obs = test.data$low
你也可以这样使用概率：
class.lasso = ifelse(preDict(model.lasso,type="response") > 0.5,1,0)
要计算 mcc，您可以：
library(mltools)
mcc(pred = class.lasso,actual = class.obs)
[1] 0.2581989
或者使用计算皮尔逊 phi 的东西：
library(psych)
phi(table(class.lasso,class.obs),digits=7)
[1] 0.2581989
或者，如果您使用 the formula from wiki 从头开始派生：
cm = table(class.lasso,class.obs)
TP = cm[2,2]
FP = cm[2,1]
TN = cm[1,1]
FN = cm[1,2]
(TP * TN - FP*FN)/sqrt((TP+Fp)*(TP+FN)*(TN+Fp)*(TN+FN))
[1] 0.2581989
以上是大佬教程为你收集整理的Lasso 模型中的 Matthews 相关系数，使用 R 进行逻辑回归全部内容，希望文章能够帮你解决Lasso 模型中的 Matthews 相关系数，使用 R 进行逻辑回归所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。