清风数学建模学习笔记-岭回归与lasso回归

内容：岭回归与lasso回归

• 介绍：

岭回归与lasso回归与OLS回归（最小二乘估计法）模型的区别在与在损失函数上加上不同的惩罚项，该惩罚项能够识别模型中不重要的变量，对模型起到简化的作用，另一方面加入惩罚项之后可以使模型变得可估计。

二.岭回归简单介绍（无推理过程）：

1.岭回归：

1. 如何选择参数λ

三lasso回归的原理与STATA实现：

1.

2.lasso可以理解为升级版的逐步回归，因为它可以筛选变量，将不重要的变量的系数直接压缩为0

四.使用stata实现：

1.标准化处理，matlab的zscore函数，或SPSS的分析-描述统计-描述。

stata也可以不过一次只能对一个变量进行标准化。

1. K折交叉验证

1. 使用K则交叉验证实现：

1. 参数解释

、

1. 如和使用？

可将lasso回归看作是筛选变量的一种方法，进阶版的逐步回归。