regression - 套索和岭估计器

Question

我有一个包含大量数据的 txt 文件。如何使用套索或岭估计器来拟合回归方程？

我尽可能使用：gridge

但是，我不确定 lambda 部分在做什么。我在一个网站上找到了它，但不知道该放什么值。

而且我不知道如何解释输出：修改后的 HKB 估计是 5.465433 修改的 L-W 估计是 7.6435664 GCV 的最小值在 3.24

我应该如何使用该信息拟合回归方程？

Answer 1

Lambda 是惩罚的强度，看这个可以更好地理解 lambda 的效果。通常，您通过试错法或使用交叉验证过程来选择此值。

Lasso 和 Ridge 估计都通过限制要估计的参数值来帮助减少模型过度拟合。它们之间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，其中一些参数可以完全为零，而 Ridge 可以产生具有非常小的值但不完全为零的参数。