my_glm_cv: Analise de Cross Validacao

In evandeilton/RTFC: R Trend, Forecast and Correlation/Regression

Description

Faz an<c3><a1>lise de Cross Valida<c3><a7><c3><a3>o utilizando redu<c3><a7><c3><a3>o pelas metodologias LASSO e regress<c3><a3>o ridge chamada de elasticnet regularization

Usage

my_glm_cv(dados, vresposta, explicativas, nfolds = 5, ...)

Arguments

dados	data.frame no formato data.frame(data, var1, var2, var3, ..., varn)
vresposta	Vari<c3><a1>vel reposta
explicativas	Vetor de vari<c3><a1>veis explicativas
nfolds	N<c3><ba>mero de reparti<c3><a7><c3><b5>es do conjunto de dados para a CrossValidation. Recomenda-se = 10 reamostragens para amostras grandes. PAdr<c3><a3>o <c3><a9> 5.
...	Passagem de argumentos

Details

Consultar as refer<c3><aa>ncias abaixo ou o help de algumas fun<c3><a7><c3><b5>es do pacote glmnet na se<c3><a7><c3><a3>o veja tamb<c3><a9>m.

Value

Lista contendo

dados	Conjunto de dados do ajuste
formula	Formula final do modelo, reduzida ou n<c3><a3>o
lambdacv	Estat<c3><ad>stica de CrossValidation
vresposta	Vari<c3><a1>veis resposta
vexplicativas	Vari<c3><a1>veis explicativas

Author(s)

LOPES, J. E.

References

Friedman, J., Hastie, T. and Tibshirani, R. (2008) Regularization Paths for Generalized Linear Models via Coordinate Descent, http://www.stanford.edu/~hastie/Papers/glmnet.pdf

Journal of Statistical Software, Vol. 33(1), 1-22 Feb 2010 http://www.jstatsoft.org/v33/i01/

See Also

Sobre a metodologia elastic net regularization cv.glmnet e glmnet do pacote glmnet

Examples

data(diario)
nomes <- names(diario)
vresposta <- as.character(nomes[20])
explicativas <- as.character(nomes[3:10])
Mcv <- my_glm_cv(diario, vresposta, explicativas, nfolds=5)
#my_glm_cv(diario, vresposta, explicativas, nfolds=10)

evandeilton/RTFC documentation built on May 29, 2019, 10:37 a.m.