使用Python进行套索回归:简单问题
套索回归（Lasso Regression）是一种线性回归的变体，它通过对模型的系数进行约束，实现特征选择和模型简化。在套索回归中，目标是最小化损失函数，同时限制模型系数的绝对值之和不超过一个预先设定的值。这种约束使得某些特征的系数变为零，从而实现了特征选择的效果。
套索回归的优势在于可以处理高维数据集，并且能够自动选择对目标变量有较大影响的特征。相比于普通的线性回归，套索回归可以更好地应对多重共线性问题，避免过拟合。
套索回归在实际应用中具有广泛的场景，例如特征选择、信号处理、金融预测等。在云计算领域，套索回归可以用于数据分析、机器学习模型的训练和优化等任务。
腾讯云提供了一系列与套索回归相关的产品和服务，包括：
- 云服务器（Elastic Compute Cloud，ECS）：提供灵活可扩展的计算资源，用于进行套索回归模型的训练和推理。链接：https://cloud.tencent.com/product/cvm
- 云数据库MySQL版（TencentDB for MySQL）：提供高性能、可扩展的关系型数据库服务，用于存储和管理套索回归所需的数据。链接：https://cloud.tencent.com/product/cdb_mysql
- 人工智能机器学习平台（AI Machine Learning Platform）：提供丰富的机器学习算法和工具，包括套索回归，用于构建和训练机器学习模型。链接：https://cloud.tencent.com/product/ti-ai
- 弹性文件存储（Elastic File System，EFS）：提供高性能、可扩展的文件存储服务，用于存储套索回归模型和相关数据。链接：https://cloud.tencent.com/product/efs
请注意，以上仅是腾讯云提供的一些相关产品和服务，其他云计算品牌商也提供类似的产品和服务。
相关·内容
1回答
我正在尝试使用glmnet库对具有300个自变量和11个响应变量的数据集执行多变量套索回归。我想对一些输入变量进行分组，然后应用多变量分组套索回归，以便套索模型根据它们的重要性选择或丢弃所有分组变量。我如何才能做到这一点？我确实研究了grplasso包，但它不支持多元回归。
浏览 2提问于2020-07-03得票数 1
1回答
我在试着理解我应该在这里做什么。我已经应用了套索和岭回归，找到了最优的λ，并重新构建了模型。但我不明白在那之后我该做什么。
问题：
“。对于糖尿病数据集(上传到Moodle)，我们希望使用10个特征(X变量)来预测prog (Y)，这是基线后一年疾病进展的定量评估。变量prog是数据中的最后一列。在拟合岭回归和套索之前，不要忘记标准化所有的X变量，使它们在相同的尺度上。使用岭回归和套索预测程序。在两个回归中，使用交叉验证选择最优的λ。最优λ将对应于最小CV误差。对于最优的lambda，改装脊线和套索模型。使用1000个bootstrap重复运行bootstrap，以获得回归系数估计的标准误差(
浏览 2提问于2021-11-26得票数 0
1回答
从特征集中选择集成特征
、、、
我有一个关于集合特征选择的问题。
我的数据集由1,000个样本和大约30000个特征组成，它们被分类为标签A或标签B。我想做的是挑选一些可以有效地对标签进行分类的特征。
我使用了三种方法，单变量方法(皮尔逊系数)，套索回归和SVM-RFE(递归特征消除)，所以我从它们中得到了三个特征集。我使用python scikit-learn进行特性选择。
然后我在考虑集成特征选择方法，因为特征的大小太大了。在这种情况下，如何制作具有3个特征集的集成子集？
我能想到的是集合的并集，并再次使用套索回归或SVM-RFE，或者只是集合的交集。
有人能给出一个主意吗？
浏览 2提问于2015-12-11得票数 3
Lasso regression solution in R 上面的链接包含在R中解决套索回归的代码。我正在尝试在python中解决它。有没有人能帮我解决这个问题？ Output 它的输出如上图所示。
浏览 35提问于2021-11-05得票数 0
1回答
线性回归的自定义成本函数注入
、、、、
我想运行一个拉索或脊回归，但其中L1或L2约束的系数是在一些系数，而不是所有。
另一种说法是:我想在套索或脊算法中使用我自己的自定义成本函数。
我想避免重写整个算法。在python中有允许这样做的模块吗？到目前为止，我对scipy和sckit-learn进行了调查，但没有发现。
浏览 4提问于2016-03-10得票数 0
我目前正在学习在一个机器学习问题中做堆叠。我将获取第一个模型的输出，并将这些输出用作第二个模型的特征。
我的问题是:顺序重要吗？我使用的是套索回归模型和增强树。在我的问题中，回归模型的性能优于boosted树。因此，我认为我应该第二次使用回归树，第一次使用增强树。
在做这个决定时，我需要考虑哪些因素？
浏览 2提问于2017-10-17得票数 0
1回答
是否有一些python包可以帮助进行统计线性回归？例如，我希望这类程序能够自动执行不同类型的统计测试(t检验、F检验等)。然后自动删除冗余变量等，校正异方差等。还是套索是最好的？
浏览 2提问于2018-06-25得票数 0
回答已采纳
我有一个包含60个变量的283个观察值的数据集。我的结果变量是二分法(诊断)，可以是两种疾病中的任何一种。我正在比较两种经常表现出许多重叠的疾病，我试图找到有助于区分这两种疾病的特征。我知道套索逻辑回归是这个问题的最好解决方案，但是它不能在不完整的数据集上运行。 所以我用R中的MICE包计算了我丢失的数据，发现大约40次估计对于我所拥有的丢失数据量来说是很好的。 现在，我想对所有40个推定的数据集执行套索逻辑回归，但不知何故，我被困在需要汇集所有这40个数据集的结果的部分。 MICE的with()函数在.glmnet上不起作用 # Impute database with missing v
浏览 15提问于2019-01-21得票数 1
1回答
我用scikit和pandas的数据集做了套索回归。我想试着使OLS适合套索选择的特征。我有像这样的东西 lassomodel = LassoCV(alphas = [1, 0.1, 0.001, 0.0005]).fit(X_train, y_train) 和 lassomodel.coef_ 我想要得到数据帧或numpy数组，其中包含套索系数不等于零的所有特征。
浏览 10提问于2020-06-11得票数 1
回答已采纳
我有数据(如下)，并进行了线性、脊线和套索回归。对于套索和岭回归，我已经使用交叉验证找到了最优的λ。现在，我想将拟合的模型叠加到原始数据的y与x图上。我在图上有一个线性模型，我只是不知道如何让另外两个模型出现。我已经在ggplot中尝试过了，但是在base R中得到一个答案也会很有帮助！即使你能给我指出正确的方向，那也太好了。 我让模型都工作得很好。我在图上有一条线性回归线。但是，当我尝试以相同的方式绘制其他两个拟合时，它不会起作用。 用于创建数据的代码 set.seed(1)
x <- rnorm(100)
y <- 1 + .2*x+3*x^2+.6*x^3 + rnorm(
浏览 21提问于2019-05-01得票数 0
回答已采纳
我想知道是否有人会知道一个R包，可以让我适应一个普通的Logistic回归与套索正则化，或者，另一个，贝塔回归仍然与套索？如果你也知道一个很好的教程来帮助我在R中编写代码(通过适当的交叉验证)，那就更好了！
一些上下文：我的响应变量是0到10之间的满意度评分(实际上，值在2到10之间)，所以我可以用Beta回归来建模它，或者我可以将它的值转换成排序类别。我的兴趣是找出解释这个分数的重要变量，但与我的样本大小(n = 105)相比，我有太多的潜在解释变量(p = 12)，所以我需要用一种惩罚的回归方法来选择模型，因此我对套索感兴趣。
浏览 13提问于2022-06-16得票数 2
回答已采纳
1回答
有没有办法获得R中套索回归的标准化系数列表？在交叉验证之后，我已经确定了最优的λ，然后可以使用预测函数获得适合于未缩放数据的系数。我需要完全相同的模型--即相同的系数必须看起来不为零--但在对缩放数据运行套索回归时，用于未缩放数据的λ意义不大。
浏览 1提问于2013-10-02得票数 0
1回答
正交匹配追踪回归-我用错了吗？
、、、、
我尝试这种方法作为正则回归，作为套索和弹性网的替代。我有40k个数据点和40个特征。套索选择5个特征，正交匹配追求只选择1个。
是什么导致了这一切？我是不是用错了omp？也许它并不是用来作为一种回归。请告诉我，如果你还能做什么，我可能做错了。
浏览 0提问于2016-03-29得票数 4
回答已采纳
1回答
套索特征选择结果和最佳特征的选择
、、、、
现在我将套索应用于特征选择，并且特征回归系数的结果混合在(负/正/零)值之间。 我知道“任何具有非零回归系数的特征都是由套索算法选择的”。 这是否意味着我可以使用所有正值和负值，并仅针对“值”对其进行排序，而忽略其正值或负值？ (只关心其大小，而不管其方向)！ 请回答我，如果你可以为我推荐任何有关这方面的简单文件，附加它或设置它的名称…
浏览 18提问于2021-05-04得票数 0
2回答
我想问一下，有没有人知道如何使用libsvm的python绑定在python中使用高维输出(多个)进行支持向量回归？我检查了示例，它们都假设输出是一维的。
浏览 0提问于2012-06-18得票数 3
回答已采纳
我必须在VectorAutoregressive模型中拟合40个时间序列，大量的变量建议使用选择方法。我很喜欢使用套索方法，但我使用的是statsmodel进行拟合，而使用该库实现套索的唯一方法是线性回归模型。有人能帮上忙吗？
浏览 20提问于2020-05-14得票数 0
回答已采纳
1回答
我正在尝试实现套索回归来解决我的销售预测问题。我使用glmnet包和cv.glmnet函数来训练模型。 library(glmnet)
set.seed(123)
model = cv.glmnet(as.matrix(x = train[, -which(names(train) %in% "Sales")]),
y = train$Sales,
alpha = 1,
lambda = 10^seq(4,-1,-0.1))
best_lambda = model$la
浏览 7提问于2019-03-18得票数 0
我想在R中构建一个套索回归模型，并且go-to包似乎是glmnet。然而，glmnet似乎不支持单个预测器，如下所示。这是可行的：
x <- matrix(rexp(200, rate=.1), ncol=20)
y <- matrix(rexp(200, rate=.1), ncol=1)
lasso <- glmnet(x, y, family = "gaussian")
但这不是：
x <- matrix(rexp(200, rate=.1), ncol=1)
y <- matrix(rexp(200, rate=.1), ncol=1)
l
浏览 0提问于2017-10-12得票数 0
2回答
在一篇文章中，我发现了以下几点： 套索回归方法提供了一种稀疏的解决方案，因此可以提高模型的可解释性。 有人能帮我理解一下这是什么意思吗？据我所知，方程组解的稀疏分解是具有最小伪l范数的维数l的向量，使得该系统仍然是满足的。将一些回归系数设置为零的稀疏解决方案如何在解释中有所帮助？
浏览 28提问于2020-06-22得票数 0
回答已采纳
1回答
我有一个巨大的数据(1250乘1m)作为多个套索的输入。如果我通过sklearn来拟合一个正常的回归，那么就有一个选项可以使用多线程，在这种情况下，整个过程在短时间内运行，得到一个可接受的结果。
sklearn.linear_model.LinearRegression(*, fit_intercept=True, normalize='deprecated', copy_X=True, n_jobs=None, positive=False)
在上面的一行中，如果我设置了n_jobs=-1，它将使用所有可用的核，这样计算成本就会大大降低。
但是，在滑雪板中没有拉索回归的选择：
浏览 12提问于2022-08-23得票数 1
1回答
我有一个包含连续变量和分类变量的数据集。我正在运行回归，以根据数据集中的其他变量预测其中一个变量。通过比较岭回归、套索回归和弹性网回归的结果，得出套索回归是最好的回归模型。
我使用'coef‘函数来提取模型的系数，然而，结果是一个包含超过800个变量的非常长的列表(因为我的一些分类变量有很多级别)。有没有一种方法可以快速地将系数从大到小排序？这是glmnet模型的输出
示例代码可重现的问题：
# Libraries Needed
library(caret)
library(glmnet)
library(mlbench)
library(psych)
# Data
data(
浏览 0提问于2020-06-01得票数 0
1回答
我正在使用"“数据集，比较线性回归、岭和套索的系数。
我首先进行训练/测试拆分，然后标准化数据，然后训练三个模型并比较系数。对于大多数训练/测试拆分随机种子，三个模型的系数在相同的尺度上，我可以比较它们。但是对于一些随机的种子，一些线性回归的系数“爆炸”，从大约10^4-10^5的值跳到大约10^18。
这只发生在线性回归模型中的几个系数上，脊线和套索的系数不受影响。
我不确定为什么会发生这种情况，有什么建议或建议吗？
浏览 0提问于2020-09-23得票数 1
2回答
拉索回归怀疑
、、、
我试图解决一个基于线性回归的问题(预测销售额，这是一个连续变量)。对于这个问题，我使用了线性回归，但是有一个建议的解决方案是用Lasso回归。然而，用户已经使用了列车功能。我不明白为什么要使用火车功能。是拉索的语法吗？岭回归也采用了类似的函数。
my_control = trainControl(method="cv", number=5)
Grid = expand.grid(alpha = 0, lambda = seq(0.001,0.1,by = 0.0002))
lasso_linear_reg_mod3 = train(x = Train[, -c(1,2)],
浏览 0提问于2018-06-24得票数 1
最近我把我的代码从R复制到Python，我确实需要一些关于代码的帮助。据我所知，sklearn中的逻辑回归仅包括l1或l2正则化项，分别代表套索回归和岭回归。然而，同时实现l1和l2正则化项，即ElasticNet可能要好得多。 在R的情况下，有一个值得注意的包glmnet，它可以完美地部署上述思想，而python中的glmnet包似乎只支持Linux系统，而不是我电脑上的windows10(请参考this)。另外，如果该包能够可视化结果(如收缩路径)会更好。 #logtistic with penalty terms in sklearn
from sklearn.linear_model
浏览 23提问于2019-04-21得票数 0
首先，我有一个非线性模型，我想用它来执行套索回归： ? 我的方法是创建一个新的数据框，其中包含变量向量的所有可能组合，它应该=J+ J^2 在我的数据中有J=19，也就是19个预测值，所以我希望总共产生171列。使用它，我可以使用Sklearn执行套索回归。 到目前为止，我的方法是： for j in df2.iteritems():
for k in df2.iteritems():
df3[j*k] = df2[j]*df2[k] 这个解决方案不起作用，但它是我思考过程的一个例子。我也不太确定如何在每次循环中重命名列，因此每个列都有一个唯一的名称。
浏览 21提问于2021-04-24得票数 0
回答已采纳
1回答
我正在与一位著名的计量经济学研究生合作进行一个研究项目(尽管只在MS程序中，而不是在PhD程序中-请注意)，探索最佳子集选择(也称为所有子集回归)算法的新变化的特性并比较其性能，他将其称为EER (估计穷尽回归)算法。
我在这个合作研究项目中的主要角色是扩大基准标准/直接前向变量选择程序的数量，以比较EER的性能(根据它能够根据标准性能指标(如TPR、TNR、PPV等)选择多少真正的结构回归器)，通过Monte模拟随机生成一组260 k的合成数据集。他最初的工作比较了EER的性能与反向消除逐步回归和另一种变量选择方法，不值得在这里解释。
到目前为止，我已经添加了LASSO回归和前向选择逐步回归
浏览 0提问于2022-12-24得票数 1
回答已采纳
我正在使用线性回归模型来预测降雨量。
dfx = df1[['JAN', 'FEB', 'MAR', 'APR', 'MAY', 'JUN', 'JUL',
'AUG', 'SEP', 'OCT', 'NOV', 'DEC']]
dfy=df1['ANNUAL']
X_train, X_test, y_train, y_test = tra
浏览 10提问于2021-09-05得票数 0
3回答
弹性网是如何使用的？
、、、、
这是一个关于回归正则化的初学者问题。大多数关于弹性网和拉索回归的在线信息都是从维基百科或Zou和Hastie (通过弹性网络进行正则化和变量选择)的原始论文中复制出来的。
资源为简单理论？是否有一个简单易懂的解释，它做什么，什么时候，为什么需要回归，以及如何使用它--对于那些没有统计学倾向的人？我知道，如果你能理解的话，原来的论文是理想的来源，但是是否有更简单的地方--问题和解决方案？
如何在滑雪板上使用？是否有一个逐步的例子来说明为什么选择弹性网(越过山脊，套索，或者只是简单的最小二乘法)以及如何计算参数？许多只是将alpha和rho参数直接包含到的预测模型中。
from sklearn.l
浏览 2提问于2012-09-05得票数 28
回答已采纳
我一直在无休止地寻找答案，真的很感谢任何帮助。我目前有10个估算数据集，一个分类结果变量(序数，三个级别)，一个分类暴露变量，以及协变量的混合(数字，分类，二进制)。我想应用套索方法来选择哪些变量应该包括在最终的多项式logistic回归模型中，但我还没有找到任何关于这个主题的论文，或者提供了如何执行这一操作的R代码。我发现有许多论文表明，如果你有一个二元或连续的结果，而不是一个绝对的结果，那么可以进行哪种程序。有谁有资源吗？非常感谢您抽出时间来
浏览 8提问于2021-07-22得票数 0
1回答
我查看了scikit learn logistic回归文档，发现惩罚可以是L1和L2。我知道套索和岭回归分别也称为L1和L2正则化，所以我想知道L1和L2惩罚是否指的是同一件事？
浏览 53提问于2020-12-27得票数 1
回答已采纳
1回答
我主要是使用"glmnet“软件包(在R中)进行正则线性回归。
然而，我想知道它是否能够执行非负(整数)连续(因变量)结果变量的套索型回归。
我可以使用=泊松，但是结果变量是，而不是，特别是“计数”变量。它只是一个下限为0的连续变量。
我知道"lower.limits“函数，但我想它是用于协变量(自变量)的。(如果我对这个功能的理解不正确，请纠正我。)
我期待着收到你们的来信！谢谢:-)
浏览 3提问于2020-06-04得票数 0
1回答
我想知道在TensorFlow中是否有一种方法可以添加损失项，以强制在特定的密集层中实现权重的稀疏性。
我想找到一些层中权重为零的解决方案(类似于回归的套索方法)。有没有一种简单的方法可以在密集层的权重矩阵上添加范数项？
谢谢你，埃亚尔。
浏览 0提问于2020-05-25得票数 0
问题: Logistic回归使用L1正则化和L2正则化训练logistic回归模型，使用α= 0.1和λ= 0.1。报告准确率、精确度、召回率、F1分数并打印混淆矩阵
我的代码是：
_lambda = 0.1
c = 1/_lambda
classifier = LogisticRegression(penalty='l1',C=c)
classifier.fit(X_train, y_train)
y_pred = classifier.predict(X_test)
我不知道alpha和lambda的真正位置。我做得对吗？
浏览 26提问于2018-08-30得票数 0
回答已采纳
据我所知，当使用套索回归时，你可以使用sklearn中的GridSearchCV或LassoCV来找到最优的alpha，正则化参数。哪一个比另一个更受欢迎？
浏览 123提问于2021-04-07得票数 0
回答已采纳
1回答
岭回归总是返回误差
、、、
我试图使用HDtweedie包为Tweedie发行版运行岭回归。我没有任何问题运行弹性网与任何水平的阿尔法，除了0。当我试图运行山脊时，它总是输出：
在if (任意(lambda< 0))停止中出错(“lambdas应该是非负的”)：在需要TRUE/FALSE的地方缺少值
使用auto包(包括在HDTweedie中)的示例
require(HDtweedie)
data('auto')
ridge = cv.HDtweedie(auto$x, auto$y, p = 1.44, alpha = 0)
我们非常感谢您的任何想法和建议！
浏览 2提问于2017-08-22得票数 0
2回答
我喜欢在统计模型中使用线性套索回归，以便能够使用“公式”符号来编写模型，这将为我在处理许多分类变量及其交互时节省相当多的编码时间。然而，它似乎还没有在统计模型中实现？
浏览 1提问于2017-04-17得票数 11
回答已采纳
我正在使用scikit-learn包中的套索来优化一个惩罚线性回归问题的参数。我不仅对参数的最佳选择感兴趣，而且还对数据相对于优化参数的可能性感兴趣。有没有一种简单的方法可以在拟合后获得全部概率？
浏览 4提问于2014-04-19得票数 0
1回答
fmin_bfgs未完成
、、、、
我正在尝试使用fmin_bfgs()或fmin_l_bfgs_b()最小化具有大量参数(略高于7000)的函数。当我输入命令时
opt_pars = fmin_l_bfgs_b(obj_f, pars, approx_grad=1)
(其中obj_f是我试图最小化的函数，pars是初始参数的向量)该函数将一直运行，直到python告诉我它必须终止程序。从来没有任何输出。我试着添加参数maxfunc =2，看看它是否有结果，同样的事情发生了(一直运行，然后python终止了程序)。
我只是想找出这个函数可能出了什么问题。它看起来像是被while循环或其他什么东西卡住了。有没有人遇到过这个问题？
浏览 0提问于2012-12-06得票数 0
回答已采纳
1回答
我的问题在scikit中的Lasso上是相当普遍的：
我正在使用套索进行回归，以便将一定数量的点y_i拟合到特征x_i。点的数量n严格地低于特征的维度p。
因此，对于给定的惩罚α系数，存在几种解决方案。
scikit给出的解决方案依赖于起点(它是d零系数的向量)。
除了修改这个库之外，您还知道另一个库可以自由地选择起点吗？
或者，也许我在scikit中遗漏了一个明显的选项来选择起点？
浏览 0提问于2014-10-01得票数 5
1回答
我是一个新的R用户，我使用的是一个多项式回归(也就是用多个类的响应变量进行logistic回归)。在我的数据集中，R中的函数'vglm‘有11个连续的预测器和一个响应变量，这三个类都是绝对的。
我想得到我的回归最好的子集，但我不知道如何做。是否有此功能，或者我必须手动执行。因为线性函数似乎不合适。
我试过最好的函数，但它的结果似乎不适用于多项式回归。
我也尝试过一种收缩法，与套索相关的glmnet。它选择模型中的所有变量。但另一方面，使用vglm的多项式回归将一些变量作为无关紧要的变量。
我在互联网上搜索了很多，包括这个网站，但没有找到任何好的答案。所以我在这里问是因为我真的需要帮助。
浏览 2提问于2016-12-09得票数 0
我可以获得套索或岭回归拟合
cvfit <- cv.glmnet(X, y)
我知道如何获得lambda的最佳价值。
lambda.min <- cvfit$lambda.min
以及如何获得最佳均方误差
mse <- cvfit$cvm[cvfit$lambda == lambda.min]
如何获得目标函数的值？
浏览 0提问于2015-09-27得票数 1
3回答
我试图理解一句话：“在存在相关变量的情况下，岭回归可能是首选。”假设我们有变量a1，a2，b1，c2，并且2个a‘s是相关的。如果我们使用套索，它可以消除a’s中的一个。套索和岭都会收缩。因此，听起来Lasso在这些条件下可能会更好。但是引用说Ridge更好。这是一个错误的引用，还是我漏掉了什么？(也许想得太简单了)
浏览 1提问于2017-03-20得票数 2
1回答
我在用包化学计量学做套索和脊回归。使用ridgeCV，可以方便地通过modell.ridge$RMSEP和model.ridge$SEP提取SEP和MSEP值。但是如何使用lassoCV？model.lasso$SEP工作，但列表中没有RMSE或MSE条目。不过，该函数在图例中提供了带有MSEP和SEP的绘图。因此，必须能够提取这两个值！但是怎么做呢？
SEP =预测的标准误差；
MSEP =预测的均方误差；
RMSEP =预测的均方误差=根(MSEP)
浏览 0提问于2022-03-21得票数 0
回答已采纳
有一些数据集，我想要解决非负最小二乘(NNLS)，我想要一个稀疏的模型。经过一些经验，我发现对我最有效的是使用以下损失函数：
\min_{x \geq 0} ||Ax-b|| + \lambda_1||x||_2^2+\lambda_2||x||_1^2
其中，L2平方惩罚是通过添加白噪声并将\sqrt{\lambda_1}标准地发展到A来实现的(在期望中可以显示为等价于岭回归)，而我实现L1平方惩罚的方法是向A中添加一行，其恒定值为\sqrt{\lambda_2}，并在b的末尾添加0值，在NNLS的情况下，这可以被证明为与L1平方惩罚相等。
这对我的目的很有用，但我知道，通常在稀疏回归模
浏览 0提问于2022-03-19得票数 1
回答已采纳
2回答
我想知道这两者是否有显著的区别。
我认为在神经网络中，引入lasso的损失函数使模型更简单，并通过将某些特征自动减少到0来引入更多的稀疏性。我想这基本上就是套索回归的结果吧？
浏览 0提问于2019-06-25得票数 1
回答已采纳
我正在尝试运行自己的岭回归/套索，并在“统计学习导论”第251页的一个例子上对我的方法进行建模。我们被告知要按如下方式设置模型矩阵： library(ISLR)
x=model.matrix(Salary∼.,Hitters)[,-1]
y=Hitters$Salary 我的问题是:为什么需要按照"，-1“删除一列？
浏览 15提问于2021-03-27得票数 0
回答已采纳
1回答
我使用的是稀疏组套索，这是一种惩罚回归。我使用的包是SGL。我尝试在R中运行示例，代码如下所示
set.seed(1)
n = 50; p = 100; size.groups = 10
index <- ceiling(1:p / size.groups)
X = matrix(rnorm(n * p), ncol = p, nrow = n)
beta = (-2:2)
y = X[,1:5] %*% beta + 0.1*rnorm(n)
data = list(x = X, y = y)
cvFit = cvSGL(data, index, type = "linear&
浏览 0提问于2014-10-21得票数 1
1回答
我用glm.net软件包做了一个套索回归。通过交叉验证，我选择了我的lambda，现在得到的信息是，最优模型只有6个系数而不是零。
我怎样才能看到确切的系数呢？
浏览 1提问于2018-07-01得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
