MATLAB用Lasso回归拟合高维数据和交叉验证 MATLAB用Lasso回归拟合高维数据和

原文链接：http://tecdat.cn/?p=25741 此示例显示如何 lasso 识别和舍弃不必要的预测变量。
使用各种方法从指数分布生成 200 个五维数据 X 样本。

rng(3,'twister') %实现可重复性for i = 1:5 X(:,i) = exprnd end

生成因变量数据 Y =X *r +eps ，其中 r 只有两个非零分量，噪声 eps 正态分布，标准差为 0.1。
用拟合交叉验证的模型序列 lasso ，并绘制结果。

Plot(ffo);

文章图片

Lambda 该图显示了正则化参数的各种值的回归中的非零系数。较大的值 Lambda 出现在图的左侧，意味着更多的正则化，导致更少的非零回归系数。
虚线代表最小均方误差的Lambda值（在右边），以及最小均方误差加一个标准差的Lambda值。后者是Lambda的一个推荐设置。这些线条只在你进行交叉验证时出现。通过设置'CV'名-值对参数来进行交叉验证。这个例子使用了10折的交叉验证。

图的上半部分显示了自由度（df），即回归中非零系数的数量，是Lambda的一个函数。在左边，Lambda的大值导致除一个系数外的所有系数都是0。在右边，所有五个系数都是非零的，尽管该图只清楚显示了两个。其他三个系数非常小，几乎等于0。
对于较小的 Lambda 值（在图中向右），系数值接近最小二乘估计。
求 Lambda 最小交叉验证均方误差加上一个标准差的值。检查 MSE 和拟合的系数 Lambda 。

MSE(lm)

文章图片

b(:,lam)

文章图片

lasso 很好地找到了系数向量 r 。
为了比较，求r的最小二乘估计。

rhat

文章图片

估计 b(:,lam) 的均方误差略大于 rhat 的均方误差。

res; % 计算残差 MSEmin

文章图片

【MATLAB用Lasso回归拟合高维数据和交叉验证】但 b(:,lam) 只有两个非零分量，因此可以对新数据提供更好的预测估计。

文章图片

最受欢迎的见解
1.R语言多元Logistic逻辑回归应用案例
2.面板平滑转移回归(PSTR)分析案例实现分析案例实现")
3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
4.R语言泊松Poisson回归模型分析案例
5.R语言回归中的Hosmer-Lemeshow拟合优度检验
6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
7.在R语言中实现Logistic逻辑回归
8.python用线性回归预测股票价格
9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标