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]。

注： 除 alphas 参数外，其它参数都和 lasso 的参数相同，参数描述可参考 lasso。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);

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

语法

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

参数

ds 是内存表或通常用 sqlDS 函数生成的数据源。

yColName 是字符串，表示数据源中因变量的列名。

xColNames 是字符串标量或向量，表示数据源中自变量的列名。

alpha 是浮点数，表示乘以 L1 范数惩罚项的系数。默认值是1.0。

intercept 是布尔值，表示是否回归模型包含截距。默认值为 true。

normalize 是布尔值。默认值为 false。若设为 true，则所有自变量均会进行如下标准化：减去平均值，然后除以 L2 范数。若 intercept 为 false，该参数会被忽略。

maxIter 是正整数，表示最大迭代次数。默认值是1000。

tolerance 是浮点数，表示迭代中止的边界差值。默认值是0.0001。

positive 是布尔值，表示是否强制系数为正数。默认值是 false。

swColName 字符串，表示列名，必须为 ds 中存在的列名。如果未指定该参数，则所有样本的权重都默认为1；如果指定该参数，则将指定的列作为样本的权重。

checkInput 布尔值，表示是否检查输入参数（yColName, xColNames 和 swColName）的合法性。

  • 若 checkInput=true（默认值），则会检查这些参数中是否存在无效值（NULL, nan 或 Inf），若存在，则会报错；

  • 若 checkInput=false，则不检查无效值，则将 NULL 当作 DOUBLE 类型的正数最小值处理。

注： 强烈建议开启 checkInput，以检查输入参数的有效性。如果不开启 checkInput，则必须确保输入参数中不存在无效值，并且中间计算过程中不会产生无效值，否则可能得到一个无用的模型。

详情

进行 lasso 回归估计。

最小化以下目标函数：


lasso

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);

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

如果 t 是一个 DFS 表，则应使用数据源作为输入：

lasso(sqlDS(<select * from t>), `y, `x0`x1);