Запитання з тегом «lars»

Сезон відпусток дав мені змогу згорнутися біля вогню з елементами статистичного навчання . Виходячи з (частої) перспективи економетрики, у мене виникають проблеми з розумінням використання методів усадки, таких як регресія хребта, ласо і найменший кут регресії (ЛАР). Як правило, мене цікавлять оцінки самих параметрів та досягнення неупередженості або принаймні узгодженості. …

61 lasso  ridge-regression  shrinkage  lars 

Вибачте, якщо це питання стикається з невеликим принципом. Я хочу використовувати вибір змінної LASSO для множинної лінійної регресійної моделі в Р. У мене є 15 предикторів, один з яких є категоричним (це спричинить проблему?). Після встановлення і я використовую такі команди:ухxxуyy model = lars(x, y) coef(model) Моя проблема, коли я …

39 feature-selection  lasso  glmnet  lars 

Я один раз почув метод використання ласо двічі (як подвійне ласо), коли ви виконуєте ласо на початковому наборі змінних, скажімо, S1, отримуєте розріджений набір під назвою S2, а потім знову виконуєте ласо на множині S2 для отримання множини S3 . Чи є для цього методологічний термін? Також, які переваги робити …

26 regression  lasso  regularization  shrinkage  lars 

Мене цікавить, чому методи вибору моделі LASSO та LARS настільки популярні, хоча вони в основному є лише варіаціями поетапного вибору вперед (і, отже, страждають від залежності від шляху)? Аналогічно, чому загальновиробничі (GETS) методи вибору моделі здебільшого ігноруються, хоча вони й краще, ніж LARS / LASSO, оскільки вони не страждають від …

15 feature-selection  model-selection  lasso  stepwise-regression  lars 

Для мого поточного пошуку я використовую метод Лассо через пакет glmnet в R на біноміальній залежній змінній. У glmnet оптимальна лямбда знайдена за допомогою перехресної перевірки, і отримані моделі можна порівняти з різними заходами, наприклад, помилкою неправильної класифікації або відхиленням. Моє запитання: Як саме визначається відхилення в glmnet? Як він …

12 cross-validation  lasso  glmnet  deviance  lars 

Я хочу зробити наступне: 1) регресія OLS (без терміну пеналізації) для отримання бета-коефіцієнтів ; позначає змінні, які використовуються для регресування. Я роблю це мимоb∗jbj∗b_{j}^{*}jjj lm.model = lm(y~ 0 + x) betas = coefficients(lm.model) 2) Регресія Лассо зі строком пеналізації критеріями відбору є Байєсові інформаційні критерії (BIC), задані λj=log(T)T|b∗j|λj=log⁡(T)T|bj∗|\lambda _{j} = …

11 r  regression  glmnet  lars