复杂调查数据中LASSO之后的交叉验证

我正在尝试使用具有连续结果的LASSO对一些候选预测变量进行模型选择。目标是选择具有最佳预测性能的最佳模型，通常可以从LASSO获得调整参数的求解路径后，通过K倍交叉验证来完成。这里的问题是数据来自复杂的多阶段调查设计（NHANES），并进行了聚类采样和分层。估计部分并不难，因为glmnetR中可以获取采样权重。但是交叉验证部分对我而言不太清楚，因为现在不再观察到观测值了，该程序如何解释代表有限总体的权重采样？

所以我的问题是：

1）如何对复杂的调查数据进行K折交叉验证以选择最佳调整参数？更具体地说，如何将样本数据适当地划分为训练集和验证集？以及如何定义预测误差的估计？

2）是否有选择最佳调整参数的替代方法？

我没有详细的答案，只是我一直想读的一些工作指针：

您可以查看 有关复杂调查LASSO的McConville（2011），以确保您使用LASSO适合您的数据。但是，如果只对变量进行选择，然后对其余变量进行其他拟合，则可能没什么大不了的。

为了使用复杂的调查数据（而非LASSO）进行交叉验证，麦康维尔还引用了Opsomer＆Miller（2005）和You（2009）。但是他们的方法似乎使用的是留一法式简历，而不是K折。

通过复杂的调查，留一法应该更容易实现-较少关注如何适当地划分数据。（另一方面，运行时间可能比K折要长。而且，如果您的目标是模型选择，那么对于大样本而言，遗忘的情况可能比K折要差。）

OP编辑：不适用于复杂的调查数据。

cv.glmet函数可以帮助您执行所需的交叉验证。lambda.min值是CV误差最小的λ值。lambda.1se表示搜索中的λ值，该值比最佳模型（lambda.min）更简单，但其误差在最佳模型的1个标准误差之内。

1. 选择可以为Alpha和Lambda选择的值网格

网格<-expand.grid（.alpha =（1:10）* 0.1，.lambda =（1:10）* 0.1）

2. 设置模型的控制参数。下面的火车控制确实重复cv 10次迭代。仔细研究可用的方法，然后选择适合您当前情况的方法。

cv.glmmod <-cv.glmnet（xTrain，y = yTrain，alpha = grid .alpha .lambda）$.alpha, > = T,lambda = grid$

可以从模型本身访问lambda.min值，如下所示。

cv.glmmod $ lambda.min