lasso

语法

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

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。

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);