套索和弹性网络有交叉验证

这个例子显示了如何预测基于它的重量，排量，马力和加速度汽车的里程（MPG），使用套索和弹性网络的方法。

加载carbig数据集。

加载carbig

提取连续（noncategorical）预测（套索不处理分类预测）。

X = [加速位移马力重量];

用10倍交叉验证进行套索配合。

并[b，fitinfo] =套索（X，MPG，'简历'，10）;

绘制的结果。

lassoPlot（B，fitinfo，'PlotType'，“拉姆达”，'的XScale'，“日志”）;

计算预测的相关性。先消除NaN的。

壬烷=〜任何（isnan（[X MPG]），2）;Xnonan = X（壬，:);MPGnonan = MPG（壬，:);科尔（Xnonan）

ANS =4×41.0000 -0.5438 -0.6892 -0.4168 -0.5438 1.0000 0.8973 0.9330 -0.6892 0.8973 1.0000 0.8645 -0.4168 0.9330 0.8645 1.0000

因为有些预测是高度相关的，执行弹性网络配件。采用Α= 0.5。

[BA，fitinfoa] =套索（X，MPG，'简历'10，'Α'，0.5）;

绘制的结果。名称中的每个预测这样你就可以知道哪些曲线是哪个。

pnames = {“加速”，'移位'，'马力'，'重量'};lassoPlot（BA，fitinfoa，'PlotType'，“拉姆达”，'的XScale'，“日志”，...'PredictorNames'，pnames）;

当您激活数据指针，点击图，你看到的预测，该系数的值的名称LAMBDA和该点的指数，这意味着在列b与该关联契合。

这里，弹性网和套索结果并不十分相似。此外，弹性网情节反映了弹性网络技术的一个显着的定性性质。弹性净保留3个非零系数为LAMBDA增加（朝向等高线图的左侧），并且这三个系数在大约相同的到达0LAMBDA值。相比之下，套索图显示两三个系数在相同的值成为0LAMBDA，而另一系数始终为非零值的较高的值LAMBDA。

这种行为体现了一种普遍现象。一般而言，弹性网倾向于保留或丢弃高度相关预测因子的基团作为LAMBDA增大。相比之下，套索趋于下降较小的群体，甚至个别预测指标。

也可以看看

fitrlinear|套索|lassoPlot|lassoglm|岭

相关话题

• 套索正规化
• 通过套索和并行计算的数据广
• 套索和弹力网
• 岭回归