对我来说,使用glmnet的一大优势是可以直接处理稀疏矩阵,而无需进行转换。这里的帖子似乎表明caret的train函数只能接受数据框作为训练集,而?caret::train也暗示了这一点。实际情况是这样吗?
回答:
过去确实如此,目前,预测数据会被转换为数据框。然而,近期对该包的一些更改可能会允许保持稀疏矩阵对象。
我添加了这个,我会进一步研究这个问题。
Max
对我来说,使用glmnet的一大优势是可以直接处理稀疏矩阵,而无需进行转换。这里的帖子似乎表明caret的train函数只能接受数据框作为训练集,而?caret::train也暗示了这一点。实际情况是这样吗?
回答:
过去确实如此,目前,预测数据会被转换为数据框。然而,近期对该包的一些更改可能会允许保持稀疏矩阵对象。
我添加了这个,我会进一步研究这个问题。
Max