Lasso和岭估计

Question

我有一个包含大量数据的txt文件。如何使用套索或脊估计来拟合回归方程？

我已经使用了: gridge

然而，我不知道这一段在做什么。我在一个网站上找到了它，我不知道应该把什么价值观放在那里。

我不知道如何解释输出:修改后的HKB估计量是5.465433，修正的how估计值是7.6435664，GCV的最小值为3.24。

如何利用这些信息来拟合回归方程呢？

Answer 1

兰博达的点球力度很大，看这个对拉姆达的效果了解得更好。通常，通过尝试和错误或使用交叉验证过程来选择此值.

Lasso和Ridge估计都通过限制待估计参数的值来减少模型的过度拟合。两者的主要区别在于惩罚函数的形状。

Lasso可以产生一个稀疏模型，其中一些参数可以精确地为零，而脊可以导致参数值很小但不是完全为零。