elasticNetCV

语法

elasticNetCV(ds, yColName, xColNames, [alpha=[0.01,0.1,1.0]], [l1Ratio=0.5], [intercept=true], [normalize=false], [maxIter=1000], [tolerance=0.0001], [positive=false])

详情

使用五折交叉验证方法进行弹性网络回归(ElasticNet),输出最优参数对应的模型。结果为一个字典,包含以下 key:

  • modelName:模型名称。elasticNetCV 方法对应的模型名为 "elasticNetCV"。
  • coefficients:模型的回归系数。
  • intercept:截距。
  • dual_gap:表示优化结束时的对偶间隙。
  • tolerance:迭代中止的边界差值。
  • iterations:迭代次数
  • xColNames:数据源中自变量的列名。
  • predict:用于预测的函数。
  • alpha:交叉验证选择的惩罚量。

参数

alpha 是浮点型标量或向量,表示乘以L1范数惩罚项的系数。默认值是 [0.01, 0.1, 1.0]。

注:alphas 参数外,其它参数都和 elasticNet 的参数相同,参数描述可参考 elasticNet。这里仅说明 alphas 参数。

例子

y = [225.720746,-76.195841,63.089878,139.44561,-65.548346,2.037451,22.403987,-0.678415,37.884102,37.308288]
x0 = [2.240893,-0.854096,0.400157,1.454274,-0.977278,-0.205158,0.121675,-0.151357,0.333674,0.410599]
x1 = [0.978738,0.313068,1.764052,0.144044,1.867558,1.494079,0.761038,0.950088,0.443863,-0.103219]
t = table(y, x0, x1);

elasticNetCV(t, `y, `x0`x1);

返回如下:

dual_gap->0.0037
modelName->elasticNetCV
intercept->0.5416
alpha->0.0100
coefficients->[93.8331,13.9105]
predict->coordinateDescentPredict
xColNames->[x0,x1]
tolerance->0.0001
iterations->5