Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化

原文链接：http://tecdat.cn/?p=24777 
原文出处：拓端数据部落公众号

使用冗余预测变量构建数据集并使用lasso和 glm识别这些预测变量 。

使用lasso正则化去除冗余预测变量

创建一个X 包含 100 个观测值和 10 个预测变量的随机矩阵 。y 仅使用四个预测变量和少量噪声创建正态分布因变量 。

默认值
randn ;

X*权重 + randn*0.1; % 小的附加噪音

执行lasso正则化。
lasso
求第 75 个Lambda 值 的系数向量 B。

lassoglm 识别并删除冗余预测变量。
 
广义线性模型的交叉验证lasso正则化
从泊松模型构建数据，并使用lasso 确定重要的预测变量 。
创建具有 20 个预测变量的数据。仅使用三个预测变量加上一个常数来创建泊松因变量。

rng % 用于重现性
randn

exp(X)*weights + 1

构建数据的泊松回归模型的交叉验证lasso正则化。
检查交叉验证图以查看Lambd

Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化最先出现在Python成神之路。