套索和弹性网，交叉验证

该示例显示了如何使用套索和弹性网方法来预测基于其重量，位移，马力和加速的汽车的里程（MPG）。

加载CARBIG.数据集。

加载CARBIG.

提取连续（非类别）预测器（套索不处理分类预测器）。

X = [加速位移马力重量];

执行10倍交叉验证的套索拟合。

[b，fitinfo] =套索（x，mpg，'简历'10）;

绘制结果。

Lassoplot（B，FitInfo，'plottype'那'lambda'那'xscale'那'日志'）;

计算预测器的相关性。首先消除NANS。

nonan =〜任何（Isnan（[x mpg]），2）;xnonan = x（nonan，:);MPGNONAN = MPG（NONAN，:);corr（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

因为一些预测器是高度相关的，所以进行弹性网配件。用Α= 0.5。

[ba，fitinfoa] =套索（x，mpg，'简历'，10，'Α'，.5）;

绘制结果。为每个预测器命名，以便您可以判断哪个曲线。

pnames = {'加速'那'移位'那'马力'那'重量'};Lassoplot（Ba，Fitinfoa，'plottype'那'lambda'那'xscale'那'日志'那......'predictornames'，pnames）;

激活数据光标并单击绘图时，您会看到预测器的名称，系数，值lambda.和那个点的索引，这意味着列B.与适合相关联。

在这里，弹性网和套索结果不是很相似。而且，弹性网曲线反映了弹性网技术的显着定性特性。弹性网保留三个非零系数lambda.增加（朝向图的左侧），这三个系数达到0左右lambda.价值。相反，套索图显示了三个系数中的两个变为0的值lambda.，而另一个系数仍然是较高值的非零lambda.。

此行为举例说明了一般模式。通常，弹性网倾向于保留或落入高度相关的预测因子组lambda.增加。相比之下，套索倾向于下降较小的群体，甚至是个体预测因子。

也可以看看

套索|lassoglm.|Fitrinear.|Lassoplot.|岭

相关话题

• 套索正规化
• 通过套索和并行计算的广泛数据
• 套索和弹性网
• Ridge回归