matlab的lasso函数的使用

字数统计: 158字   |   阅读时长≈ 1分

  Lasso(Least absolute shrinkage and selection operator)通过构造一个惩罚函数，将变量的系数进行压缩并使某些回归系数变为0，进而达到变量选择的目的。

一、lasso()函数

1
[B ,FitInfo] = lasso(X,Y)

B是一个p行l列的矩阵，p是变量的个数，l是lambda的值，lambda(λ)越大对变量较多的线性模型的惩罚力度就越大。另一个参数α来控制应对高相关性(highly correlated)数据时模型的性状。 LASSO回归α=1，Ridge回归α=0。

二、lassoPlot()函数

1
lassoPlot（B）

画出结果图

参考：lasso函数的使用

赏

谢谢你请我吃糖果

支付宝
微信

扫一扫，分享到微信

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia-plus根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

主要涉及技术：
数据分析、机器学习、
图像识别、个人经验总结

联系QQ:460695972