基于R语言实现Lasso回归分析

Python023

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nongyangungunPs: 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

glmnet和lars一样都可以得到整个path，glmnet里面用的是CV选择的最优lambda，本身可以直接求解lasso估计，BIC直接根据其definition formula编写一个小的function来计算。你用glmnet得到的最优lambda不能直接用于计算adaptive lasso估计，因为两者对应的最优lambda不一定相同，都可以按照CV或者BIC来选择。

你可以用EXCEL中的“自动筛选”功能。选中数据第一行，按工具栏中的“数据－筛选－自动筛选”，就会在数据第一行出现下拉框，点中它，从下拉框中选“自定义”，会出现一个对话框，在这个对话框的左边框中选“包含”，右边框中填上“公园”（不要引号），确定后就把所有含有“公园”的数据筛选出来了，其他的会自动隐藏。同理，在“包含”的右边框中填上“门店”，就会把所有含有“门店”的数据筛选出来。