আমার বর্তমান পুনর্বিবেচনার জন্য আমি একটি দ্বিপদী নির্ভরশীল ভেরিয়েবলের আর-তে গ্ল্যামনেট প্যাকেজের মাধ্যমে লাসো পদ্ধতিটি ব্যবহার করছি।
গ্ল্যামনেটে সর্বোত্তম ল্যাম্বডাকে ক্রস-বৈধকরণের মাধ্যমে পাওয়া যায় এবং ফলস্বরূপ মডেলগুলি বিভিন্ন ব্যবস্থার সাথে তুলনা করা যায়, উদাহরণস্বরূপ ভুল শ্রেণিবদ্ধকরণ ত্রুটি বা বিচ্যুতি।
আমার প্রশ্ন: গ্ল্যামনেটে ডিভ্যান্স ঠিক কীভাবে সংজ্ঞায়িত হয়? কিভাবে এটি গণনা করা হয়?
(সম্পর্কিত কাগজে ফ্রেডম্যান এট আল দ্বারা "সমন্বিত বংশোদ্ভূত মাধ্যমে জেনারাইজড লিনিয়ার মডেলগুলির জন্য নিয়মিতকরণের পাথস") আমি কেবল cv.glmnet- এ ব্যবহৃত বিচ্যুতি সম্পর্কে এই মন্তব্যটি পাই: "বিচ্যুতি মানে বামে-বাইরে লগ-সম্ভাবনার দ্বিগুণ ডেটা) "(পি। 17))।
glm
(বা কমপক্ষে, এটি হওয়া উচিত - আমি অবগত বিচ্যুততার একটিমাত্র সংজ্ঞা আছে)।