原文链接：http://tecdat.cn/?p=24777

原文出处：拓端数据部落公众号

使用冗余预测变量构建数据集并使用lasso和 glm识别这些预测变量。

使用`lasso`正则化去除冗余预测变量

创建一个X 包含 100 个观测值和 10 个预测变量的随机矩阵。y 仅使用四个预测变量和少量噪声创建正态分布因变量。


默认值
randn ;X*权重 + randn*0.1; % 小的附加噪音

执行lasso正则化。

lasso

求第 75 个Lambda 值的系数向量 B。

lassoglm 识别并删除冗余预测变量。

广义线性模型的交叉验证`lasso`正则化

从泊松模型构建数据，并使用lasso 确定重要的预测变量。

创建具有 20 个预测变量的数据。仅使用三个预测变量加上一个常数来创建泊松因变量。


rng  % 用于重现性randnexp(X)*weights + 1

构建数据的泊松回归模型的交叉验证lasso正则化。

检查交叉验证图以查看Lambda 正则化参数的效果。

Plot('CV');
legend

绿色圆圈和虚线定位 Lambda 交叉验证误差最小的位置。蓝色圆圈和虚线定位具有最小交叉验证误差加一个标准偏差的点。

找到对应于两个识别点的非零模型系数。

FitInf
find(B

FitInf
min1fnd(B)

来自最小加一标准误差点的系数正是用于创建数据的那些系数。

使用`lasso`正则化预测值

加载学生考试成绩数据集。将上次考试成绩转换为逻辑向量，其中 1 代表80以上0 的成绩，代表80以下的成绩。


ynm = (y>=80);

将数据划分为训练集和测试集。


rng default % 设置可重复性的种子
Xi = X(iTain,:);
yran = yBinom
yTe = yBinom

对训练数据进行 3 折交叉验证，对广义线性模型回归执行lasso正则化。假设中的值 y 是二项分布的。选择对应于Lambda 最小预期偏差的模型系数。

lasso(Trn,Tain,'binomial','CV',3);
ince = FitIiance;
FitIept

使用在上一步中找到的模型系数预测测试数据的考试成绩。使用指定二项式因变量的链接函数 'logit'。将预测值转换为逻辑向量。

使用混淆矩阵确定预测的准确性。

confuhart

该函数可以正确预测 31 个考试成绩。然而，该函数错误地预测了1名学生获得B或以上的成绩，4名学生获得B以下的成绩。

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

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语言混合效应逻辑回归Logistic模型分析肺癌

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病

8.python用线性回归预测股票价格

9.R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测

拓端tecdat|Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化相关推荐

Python使用sklearn构建广义线性模型：泊松回归（Poisson regression）实战
Python使用sklearn构建广义线性模型:泊松回归(Poisson regression)实战目录 Python使用sklearn构建广义线性模型:泊松回归(Poisson regressio ...
广义线性模型、Logistic、sigmoid、softmax、多分类、与大数据、优缺点
广义线性模型.广义线性模型的数学形式.Logistic回归.sigmoid函数.softmax函数.Logistic多分类.Logistic与大数据.Logistic回归优缺点总结目录
c++ error函数_R语言中广义线性模型(GLM)中的分布和连接函数分析
原文链接:http://tecdat.cn/?p=14874 通常,GLM的连接函数可能比分布更重要.为了说明,考虑以下数据集,其中包含5个观察值 x = c(1,2,3,4,5)y = c(1,2, ...
广义线性模型GLM、GLMM、LMM、MLM、GMM、GEE、广义线性模型GLM和广义线性混合模型的GLMM区别
R语言广义线性模型GLM.GLMM.LMM.MLM.GMM.GEE.广义线性模型GLM和广义线性混合模型的GLMM区别目录
拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
Python使用sklearn构建广义线性模型：gamma回归（Gamma regression）实战
Python使用sklearn构建广义线性模型:gamma回归(Gamma regression)实战目录 Python使用sklearn构建广义线性模型:gamma回归(Gamma regress ...
Python使用sklearn构建广义线性模型：Tweedie回归（Tweedie regression）实战
Python使用sklearn构建广义线性模型:Tweedie回归(Tweedie regression)实战目录 Python使用sklearn构建广义线性模型:Tweedie回归(Tweedie ...
R语言惩罚逻辑回归、线性判别分析LDA、广义加性模型GAM、多元自适应回归样条MARS、KNN、二次判别分析QDA、决策树、随机森林、支持向量机SVM分类优质劣质葡萄酒十折交叉验证和ROC可视化
最近我们被客户要求撰写关于葡萄酒的研究报告,包括一些图形和统计输出. 介绍数据包含有关葡萄牙"Vinho Verde"葡萄酒的信息.该数据集有1599个观测值和12个变量,分别是 ...
广义线性模型（逻辑回归、泊松回归）
线性回归模型也并不适用于所有情况,有些结果可能包含而元数据(比如正面与反面)或者计数数据,广义线性模型可用于解释这类数据,使用的仍然是自变量的线性组合. 目录逻辑回归使用statsmodels 使 ...

拓端tecdat|Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化

原文链接：http://tecdat.cn/?p=24777

原文出处：拓端数据部落公众号

使用`lasso`正则化去除冗余预测变量

相关视频：Lasso回归、岭回归等正则化回归数学原理及R语言实例

广义线性模型的交叉验证`lasso`正则化

使用`lasso`正则化预测值

拓端tecdat|Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化相关推荐

最新文章

热门文章

拓端tecdat|Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化

原文链接：http://tecdat.cn/?p=24777

原文出处：拓端数据部落公众号

使用lasso正则化去除冗余预测变量

相关 视频：Lasso回归、岭回归等正则化回归数学原理及R语言实例

广义线性模型的交叉验证lasso正则化

使用lasso正则化预测值

拓端tecdat|Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化相关推荐

最新文章

热门文章

使用`lasso`正则化去除冗余预测变量

相关视频：Lasso回归、岭回归等正则化回归数学原理及R语言实例

广义线性模型的交叉验证`lasso`正则化

使用`lasso`正则化预测值