lasso

    0熱度

    2回答

    例如:考慮路線/主題 路線應該將其自身放入指定爲路線/查詢參數的主題(讀取:LESS顏色變量)中。 基於主題參數,自定義的JS腳本也可能需要注入。 根據提供的參數(這會排除預先配置套索或使用bower.json),腳本和樣式可能會也可能不會包含在內。這也意味着必須在路由呈現模板之前指定依賴關係。 我目前使用的Marko V4 + ExpressJS +套索+少+套索馬爾科+套索少 我不張貼代碼,因

    2熱度

    1回答

    我有一個包含1000個觀察值和76個變量的數據集,其中約有20個是分類變量。我想在整個數據集上使用LASSO。我知道有因素變量在LASSO中通過lars或glmnet並不真正起作用,但變量太多,並且存在太多不同的,無序的值,他們可以對這些變量進行合理的數值重新編碼。 在這種情況下可以使用LASSO嗎?我該怎麼做呢?創建預測的矩陣債收益率這樣的響應: hdy<-as.numeric(housingD

    2熱度

    2回答

    我很喜歡在statsmodels中使用線性LASSO迴歸,所以爲了能夠使用「公式」表示法來編寫模型,這將爲處理很多分類變量以及它們的交互時節省相當多的編碼時間。但是,它似乎還沒有在統計模型中實現?

    0熱度

    2回答

    任何人都可以建議任何現存r包實現融合套索與有序logit模型? 我檢查r軟件包,包括glmnet,genlasso,penalizedLDA和orderedLasso但其中沒有包括融合處罰,廣義線性模型...

    3熱度

    2回答

    在下面的示例中,我使用3個變量predict,var1和var2(一個因子)設置了df。 當我在插入符號或glmnet中運行模型時,係數會轉換爲虛擬變量,如var2b。 我想以編程方式提取變量名稱並匹配原始變量名稱,而不是虛擬變量名稱 - 有沒有辦法做到這一點? 這只是一個例子,我的現實世界的問題有很多不同的級別的變量,因此,我想避免這樣做手動,就像試圖排除「b」。 謝謝! library(car

    4熱度

    3回答

    我試圖在Python中重現以下R結果。在這種特殊情況下,R預測技能低於Python技能,但通常我的經驗並非如此(因此希望以Python重現結果的原因),因此請忽略此處的細節。 目標是預測花種('雜色'0或'維吉尼卡'1)。我們有100個標籤樣本,每個樣本包含4個花的特徵:萼片長度,萼片寬度,花瓣長度,花瓣寬度。我將數據分爲訓練(60%的數據)和測試集(40%的數據)。將10倍交叉驗證應用於訓練集以

    1熱度

    1回答

    我一直試圖在R中創建一個隨機化套索函數,但它似乎沒有產生與Python sklearn隨機化套索函數相同的結果。我在這裏應用相同的理念,但無法理解其中的差異。該代碼被修改基於該代碼:randomized lasso function in R. 這裏是代碼和樣本數據: # generate synthetic data set.seed(100) size = 750 x = matrix(

    1熱度

    1回答

    我想對950個樣本和大約5000個特徵的數據使用套索優化。套索函數是$(1 /(2 * numberofsamples))* || y - Xw ||^2_2 + alpha * || w || _1 $。一旦嘗試使用初始化的最小化,我得到完全不同的w這很奇怪,因爲套索是凸的,初始化不應該影響結果。這是帶和不帶初始化的套索的結果。 tol是寬容。如果w的變化變爲低音容忍,則會發生收斂。 tol=0

    0熱度

    1回答

    使用glmnet我進口了一些數據如下 surv <- read.table("http://www.stat.ufl.edu/~aa/glm/data/Student_survey.dat",header = T) x <- as.matrix(select(surv,-ab)) y <- as.matrix(select(surv,ab)) glmnet::cv.glmnet(x,y,al

    0熱度

    2回答

    首先,非常感謝您的關注和時間。我的問題(使用R): 爲了預測yvar,我已經運行套索迴歸從而減少該組xvariables的從736至30 lasso.mod =glmnet(x,y,alpha=1) cv.out =cv.glmnet (x,y,alpha=1) lasso.bestlam =cv.out$lambda.min tmp_coef = coef(cv.out,s=lasso.b