插入符号和系数（glmnet）

我对利用插入符号对特定数据集进行推断感兴趣。是否可以执行以下操作：

1. 产生我在插入符号中训练过的glmnet模型的系数。我想使用glmnet是因为固有的功能选择，因为我不相信glm有吗？

2. 除了ROC指标之外，还有其他指标可以用来评估模型的拟合度吗？如调整后的？$R^2$

该分析的目的是对特定变量的影响进行推断，而不是进行预测。我只是喜欢插入符号包，因为到目前为止使用矩阵很容易。

假设您的插入符号模型称为“模型”。您可以使用访问最终的glmnet模型model$finalModel。然后你可以打电话coef(model$finalModel)，，等等。您将必须选择您想要系数的lambda值，例如coef(model$finalModel, model$bestTune$.lambda)。

看一下summaryFunction该trainControl函数的参数。这将允许你指定你希望尽量减少任何功能（或最大化，看maximize参数train给定一个预测变量和一个响应）的。

以这种方式可能很难获得调整后的R ^ 2，但您可能会得到R ^ 2或类似的东西。