基于R语言实现Lasso回归分析

Python017

基于R语言实现Lasso回归分析,第1张

基于R语言实现Lasso回归分析

主要步骤：

将数据存成csv格式，逗号分隔

在R中，读取数据，然后将数据转成矩阵形式

加载lars包，先安装

调用lars函数

确定Cp值最小的步数

确定筛选出的变量，并计算回归系数

具体代码如下：

需要注意的地方：

1、数据读取的方法，这里用的file.choose( )，这样做的好处是，会弹出窗口让你选择你要加载进来的文件，免去了输入路径的苦恼。

2、数据要转为矩阵形式

3、（la） 可以看到R方，这里为0.66，略低

4、图如何看？ summary的结果里，第1步是Cp最小的，在图里，看到第1步与横轴0.0的交界处，只有变量1是非0的。所以筛选出的是nongyangungun

Ps: R语言只学习了数据输入，及一些简单的处理，图形可视化部分尚未学习，等论文写完了，再把这部分认真学习一下~~在这里立个flag

coef不是写成回归模型的程序，而是读取你之前构建的模型回归系数。

比如mylogit <- glm(admit ~ gre + gpa + rank, data = mydata, family = "binomial")

你构建了logistic回归模型并把模型数据储存在mylogit这个对象里面。

coef(mylogit)就会显示回归方程的回归系数。 你也可以print(mylogit)看看有什么不同。