尾根回帰の結果を理解する

リッジ回帰は初めてです。線形リッジ回帰を適用すると、次の結果が得られました。

>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 

質問：

• ゼロを取得しても大丈夫GCVですか？
• 正確にはどういう意味ですか？
• モデルに問題はありますか？
• の値をどのように見つけることができますか？$R^2$myridge

ペナルティパッケージまたはglmnetパッケージの方が良いかもしれません。どちらも投げ縄または弾性ネットを実装しているため、投げ縄（機能選択）とリッジ回帰（共線変数の処理）のプロパティを組み合わせています。ペナルティも尾根をします。これら2つのパッケージはlm.ridge()、MASSパッケージよりもはるかに完全に機能しています。

とにかく、ペナルティがゼロであることを意味するため、最小二乗推定値は、GCV（一般化された交差検証）スコアが最も低いという意味で最適です。ただし、十分に大きなペナルティを許可していない可能性があります。言い換えると、最小二乗推定値は、調べた値の小さなセットに最適でした。リッジパス（関数としての係数の値）をプロットし、トレースが安定しているかどうかを確認します。安定していない場合は、評価される値の範囲を増やします。λ λ $\lambda = 0$$\lambda$$\lambda$$\lambda$

GCVが0になるのは、次を使用したためです。

myridge = lm.ridge（Y〜MA + SA + LKA + CB + LTB、TEMP、ラムダ = SEQ（0,0.1,0.001））

の代わりに

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