リッジ回帰の信頼区間はできません。私はこのモデルを持っています。リッジ回帰の信頼区間
model5 <- glmnet(train_x,train_y,family = "gaussian",alpha=0, lambda=0.01)
そして私は、私はこれらのコマンドを使用して予測を行うとき：
test_pred <- predict(model5, test_x, type = "link")
を誰かが予測の信頼区間を行う方法を知っていますか？
hereを説明しても、このvignette（以下抜粋）で対処としてそれはglmnetは標準誤差を提供していません（したがって、あなたの信頼区間を与えるものではありません）ことが判明：
それは非常にあります回帰係数の標準誤差を求めるための自然な質問 係数または他の推定量。原理的には、このような標準誤差は容易に計算することができる。ブートストラップを使って
それでも、この パッケージは、意図的にそれらを提供していません。その理由は、 であり、罰則を課された推定方法から生じるような強い偏向の推定では、標準誤差があまり意味を持たないためです。ペナルティ化された 推定は、推定値の分散を、 で減らす手続きであり、実質的な偏りをもたらす。従って、各推定器の偏りは平均平方誤差の主成分である であるのに対し、その分散は がわずかな部分しか寄与しない可能性がある。残念ながら、残念なことに、 の罰則回帰のほとんどのアプリケーションでは、十分に正確な偏りの推定値を得ることは不可能です。どのブートストラップベースの計算でも、 には推定値の分散の評価しか与えられません。信頼性の高い公正な推定値が利用可能である場合に バイアスの信頼性の推定値は 献上推定値が使用される状況では、典型的にはそうではないれ、のみ利用可能です。したがって、 罰せ推定値の標準誤差を報告
は物語の一部だけを伝えます。 に大きな精度の誤った印象を与えることができ、バイアスによって引き起こされる不正確さを完全に無視します。確かにのみ、そのような 間隔が行うブートストラップベースの自信として見積もり、の 分散の評価に基づいている 信頼文を作るのは間違いです。ペナルティ 見積もり周り
信頼性の高い信頼区間は、LM、GLM とcoxphに実装され 標準一般化線形モデル理論を用いて低次元モデルの場合に得ることができます。私の知る限りでは、高次元の状況の信頼できる信頼区間を構築する方法は利用できません。
しかし、信頼区間を主張する場合は、thisの投稿をチェックしてください。