Sırt regresyon sonuçlarını anlama

Regresyon sırtında yeniyim. Doğrusal sırt regresyonunu uyguladığımda, aşağıdaki sonuçları aldım:

>myridge = lm.ridge(y ~ ma + sa + lka + cb  + ltb , temp, lamda = seq(0,0.1,0.001))
> select(myridge)
modified HKB estimator is 0.5010689 
modified L-W estimator is 0.3718668 
smallest value of GCV  at 0 

Sorular:

• İçin sıfır almak uygun GCVmudur?
• Tam olarak ne anlama geliyor?
• Modelimle ilgili bir sorun mu var?
• Nasıl bulabilirim $R^2$değeri myridge?

Sen ile daha iyi olabilir cezalandırılmış paket veya glmnet paketinde; her ikisi de kement veya elastik ağ uygular, böylece kementin özelliklerini (özellik seçimi) ve sırt regresyonunu (doğrusal değişkenleri idare eder) birleştirir. cezalandırılır ayrıca sırt. Bu iki paketleri çok daha tam olarak daha yer veriliyor lm.ridge()içinde KİTLE böyle şeyler için paketin.

Neyse, $\lambda = 0$sıfır ceza anlamına gelir, bu nedenle en küçük kareler tahminleri, en düşük GCV (genelleştirilmiş çapraz validasyon) puanına sahip olmaları açısından en uygunudur. Ancak, yeterince büyük bir cezaya izin vermemiş olabilirsiniz; diğer bir deyişle, en küçük kareler tahminleri,$\lambda$baktığınız değerler. Sırt yolunu (katsayıların değerleri$\lambda$ve izlerin stabil olup olmadığını görün. Değilse,$\lambda$ değerlerin değerlendirilmesi.

0 GCV almanızın nedeni aşağıdakileri kullanmanızdır:

myridge = lm.ridge (y ~ ma + sa + lka + cb + ltb, sıcaklık, lamda = sıra (0,0.1,0.001))

onun yerine

myridge = lm.ridge (y ~ ma + sa + lka + cb + ltb, sıcaklık, lambda = sıra (0,0.1,0.001))