我有一个大数据问题，有大量预测变量和非负面响应（距离检查的时间）。对于完整模型，我将使用带有 Gamma 分布式响应的 glm (link="log")。

不过我想找一个小模型。“最佳子集 glm”方法对我不起作用，因为我的内存不足 - 它似乎对我的设置（大数据，弱计算机）不够有效。

所以我改用 LASSO 方法（使用 R 包lars或glmnet）。 glmnet甚至提供除 Gaussian 之外的一些分布族，但不提供 Gamma 族。如何在 R 中使用 Gamma 分布式响应对 glm 进行套索正则化？它可以是用于模拟某种等待时间的 Cox 模型（Cox 网络）吗？

编辑：由于我的数据包含所有数据点以及自上次检查以来的时间信息，因此应用 COX 模型似乎确实合适。在我的“等待时间”或生存分析的情况下，将数据以正确的格式（就像这样）并调用可以完成这项工作Surv。在我的数据中，所有数据点“死亡”，Cox 模型允许分析哪些数据点“死亡”更快。在这种情况下似乎 不需要。非常欢迎评论。glmnetfamily="cox"family="gamma"