lasso

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),若存在,则会报错;

  • 若checkInput=false,则不检查无效值。

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:

\(\displaystyle{\frac{1}{2*n_-samples}}* \Bigl\lVert{y - Xw} \Bigr\rVert_2^2 + alpha * \Bigl\lVert{w}\Bigr\rVert_1\)

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);