lassoCV

语法

lassoCV(ds, yColName, xColNames, [alpha=[0.01,0.1,1.0]], [intercept=true], [normalize=false], [maxIter=1000], [tolerance=0.0001], [positive=false], [swColName], [checkInput=true])

详情

使用五折交叉验证方法进行 lasso 回归估计，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。LassoCV 方法对应的模型名为 "LassoCV"。
• coefficients：模型的回归系数。
• intercept：截距。
• dual_gap：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

alphas 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]。

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);

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

返回如下：

dual_gap->0.0009
modelName->lassoCV
intercept->0.0313
alpha->0.0100
coefficients->[94.4493,14.3045]
predict->coordinateDescentPredict
xColNames->[x0,x1]
tolerance->0.0001
iterations->5