R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据

全文链接:http://tecdat.cn/?p=22721

最近我们被客户要求撰写关于Lasso回归的研究报告,包括一些图形和统计输出。

Lease Absolute Shrinkage and Selection Operator(LASSO)在给定的模型上执行正则化和变量选择 点击文末“阅读原文”获取完整代码数据******** )。

根据惩罚项的大小,LASSO将不太相关的预测因子缩小到(可能)零。因此,它使我们能够考虑一个更简明的模型。在这组练习中,我们将在R中实现LASSO回归。

练习1

加载糖尿病数据集。这有关于糖尿病的病人水平的数据。数据为n = 442名糖尿病患者中的每个人获得了10个基线变量、年龄、性别、体重指数、平均血压和6个血清测量值,以及感兴趣的反应,即一年后疾病进展的定量测量。"

接下来,加载包用来实现LASSO。

head(data)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第1张图片

向下滑动查看结果▼

练习2

数据集有三个矩阵x、x2和y。x是较小的自变量集,而x2包含完整的自变量集以及二次和交互项。\
检查每个预测因素与因变量的关系。生成单独的散点图,所有预测因子的最佳拟合线在x中,y在纵轴上。用一个循环来自动完成这个过程。

summary(x)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第2张图片

for(i in 1:10){
  plot(x[,i], y)
  abline(lm(y~x[,i])
}

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第3张图片

向下滑动查看结果▼


点击标题查阅往期内容

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第4张图片

基于R语言实现LASSO回归分析

图片

左右滑动查看更多

图片

01

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第5张图片

02

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第6张图片

03

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第7张图片

04

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第8张图片

练习3

使用OLS将y与x中的预测因子进行回归。我们将用这个结果作为比较的基准。

lm(y ~ x)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第9张图片

向下滑动查看结果▼

练习4

绘制x的每个变量系数与β向量的L1准则的路径。该图表明每个系数在哪个阶段缩减为零。

plot(model_lasso)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第10张图片

向下滑动查看结果▼

练习5

得到交叉验证曲线和最小化平均交叉验证误差的lambda的值。

plot(cv_fit)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第11张图片

图片

向下滑动查看结果▼

练习6

使用上一个练习中的lambda的最小值,得到估计的β矩阵。注意,有些系数已经缩减为零。这表明哪些预测因子在解释y的变化方面是重要的。

> fit$beta

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第12张图片

向下滑动查看结果▼

练习7

为了得到一个更简明的模型,我们可以使用一个更高的λ值,即在最小值的一个标准误差之内。用这个lambda值来得到β系数。注意,现在有更多的系数被缩减为零。

lambda.1se

图片

beta

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第13张图片

向下滑动查看结果▼

练习8

如前所述,x2包含更多的预测因子。使用OLS,将y回归到x2,并评估结果。

summary(ols2)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第14张图片

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第15张图片

向下滑动查看结果▼

练习9

对新模型重复练习-4。

lasso(x2, y)plot(model_lasso1)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第16张图片

向下滑动查看结果▼

练习10

对新模型重复练习5和6,看看哪些系数被缩减为零。当有很多候选变量时,这是缩小重要预测变量的有效方法。

plot(cv_fit1)

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第17张图片

beta

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第18张图片

R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第19张图片

向下滑动查看结果▼


R语言Lasso回归模型变量选择和糖尿病发展预测模型|附代码数据_第20张图片

本文摘选 R语言Lasso回归模型变量选择和糖尿病发展预测模型 ,点击“阅读原文”获取全文完整资料。

图片


点击标题查阅往期内容

【视频】Lasso回归、岭回归正则化回归数学原理及R软件实例\
群组变量选择、组惩罚group lasso套索模型预测新生儿出生体重风险因素数据和交叉验证、可视化\
【视频】Lasso回归、岭回归等正则化回归数学原理及R语言实例R语言Lasso回归模型变量选择和糖尿病发展预测模型\
用LASSO,adaptive LASSO预测通货膨胀时间序列MATLAB用Lasso回归拟合高维数据和交叉验证\
群组变量选择、组惩罚group lasso套索模型预测新生儿出生体重风险因素数据和交叉验证、可视化\
高维数据惩罚回归方法:主成分回归PCR、岭回归、lasso、弹性网络elastic net分析基因数据\
Python高维变量选择:SCAD平滑剪切绝对偏差惩罚、Lasso惩罚函数比较\
R使用LASSO回归预测股票收益\
广义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证\
贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据\
R语言RSTAN MCMC:NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据\
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现\
R语言高维数据惩罚回归方法:主成分回归PCR、岭回归、lasso、弹性网络elastic net分析基因数据(含练习题)\
广义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证\
贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据\
R语言RSTAN MCMC:NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据\
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现\
R语言高维数据惩罚回归方法:主成分回归PCR、岭回归、lasso、弹性网络elastic net分析基因数据(含练习题)\
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例\
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析\
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择的分类模型案例\
Python中的Lasso回归之最小角算法LARS\
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现\
R语言实现LASSO回归——自己编写LASSO回归算法\
r语言中对LASSO回归,Ridge岭回归和Elastic Net模型实现\
R使用LASSO回归预测股票收益\
R语言如何和何时使用glmnet岭回归\
R语言中的岭回归、套索回归、主成分回归:线性模型选择和正则化\
Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测\
R语言arima,向量自回归(VAR),周期自回归(PAR)模型分析温度时间序列\
【视频】Python和R语言使用指数加权平均(EWMA),ARIMA自回归移动平均模型预测时间序列\
Python用ARIMA和SARIMA模型预测销量时间序列数据

你可能感兴趣的:(数据挖掘深度学习人工智能算法)