变量选择--岭回归
来源:互联网 发布:软件招聘信息 编辑:程序博客网 时间:2024/04/24 16:44
假设数据是
(Yi;Xi1,…,Xip),i=1,2,…,n.
高维数据(大p )分析方法:
1. 降维:岭回归(Ridge regression);Lasso; Dantzig selector
2. 特征提取: 主成分分析(PCA)
岭回归:
对设计矩阵
其中,
性质:
1. 有偏
2.
3.
4. 需要人为选择一个阈值
5. 适用于
例如:Data 为longley,X=( GNP, Unemployed, Armed.Forces, Population, Year, Employed),6个输入变量。
R code:
library(MASS)
longley # not the same as the S-PLUS dataset
names(longley)[1] <- "y"
cor(longley)
lm.ridge(y ~ ., longley)
plot(lm.ridge(y ~ ., longley,
lambda = seq(0,0.1,0.001)))
select(lm.ridge(y ~ ., longley,
lambda = seq(0,0.1,0.0001)))
最终
变量间的线性相关性:
6个自变量之间高度线性相关,随着
- 变量选择--岭回归
- 多元线性回归方程建模:使用岭回归与lasso算法选择变量
- 机器学习3-课后题:使用岭回归与lasso算法选择变量
- 相关分析与回归分析变量选择方法(笔记)
- 利用偏回归平方和选择最优变量的逐步回归
- 如何为单变量模型选择最佳的回归函数
- 线性回归建模–变量选择和正则化:R包glmnet
- 单变量线性回归
- 单变量线性回归
- 单变量线性回归
- 最佳子集选择,岭回归,套索的比较
- ridge包使用岭回归--自动选择lamda值
- 回归,岭回归。LASSO回归
- 回归分析:单变量线性回归
- 线性回归LinearRegression(单变量线性回归)
- 岭回归 & lasso 回归
- lasso 回归 & 岭回归
- 回归测试策略的选择
- 蓝桥杯 冒泡排序
- 单纯形法的分析和实现
- [FFmpeg] ffmpeg编译与应用 --更新中
- spring 启动报ClassMetadataReadingVisitor 错误
- jQuery实战5:级联下拉框效果
- 变量选择--岭回归
- Eclipse报错:java.lang.ClassNotFoundException: ContextLoaderListener
- gitlab连接并批量修改数据库账号邮箱地址
- Spring官网改版后下载地址
- debug 调试
- JavaScript 倒计时
- Springmvc中配置Quartz
- Hadoop IO流基本操作
- 【PAT】1049. 数列的片段和