了解岭回归结果

我是岭回归的新手。当我应用线性岭回归时，我得到以下结果：

>myridge = lm.ridge(y ~ ma + sa + lka + cb  + ltb , temp, lamda = seq(0,0.1,0.001))
> select(myridge)
modified HKB estimator is 0.5010689 
modified L-W estimator is 0.3718668 
smallest value of GCV  at 0 

问题：

• 可以得到零GCV吗？
• 这到底是什么意思？
• 我的模型有问题吗？
• 我如何找到 $R^2$值myridge？

使用惩罚性软件包或glmnet软件包可能会更好。两者都实现套索或弹性网，因此结合了套索的属性（特征选择）和岭回归（处理共线变量）。被罚的也有山脊。这两个包更全功能比lm.ridge()在MASS包这样的事情。

无论如何， $\lambda = 0$表示零罚金，因此从它们具有最低GCV（广义交叉验证）分数的意义上来说，最小二乘估计值是最佳的。但是，您可能没有允许足够大的罚款。换句话说，最小二乘估计值是$\lambda$您看过的价值观。绘制山脊路径（系数值作为$\lambda$并查看迹线是否稳定。如果不是，请增加范围$\lambda$ 评估值。

获得0 GCV的原因是因为您使用了：

myridge = lm.ridge（y〜ma + sa + lka + cb + ltb，temp，lamda = seq（0,0.1,0.001））

代替

myridge = lm.ridge（y〜ma + sa + lka + cb + ltb，temp，lambda = seq（0,0.1,0.001））