Aşağıdakileri yapmak istiyorum:
1) beta katsayılarını elde etmek için OLS regresyonu ( süresi yoktur) ; regresyon için kullanılan değişkenleri ifade eder. Bunu tarafından yapıyorum j
lm.model = lm(y~ 0 + x)
betas = coefficients(lm.model)
2) Kriminal regresyon ceza süresi ile, seçim kriterleri tarafından verilen Bayes Bilgi Kriterleri (BIC) olacaktır.
burada değişken / sayısını, gözlem sayısı için ve 1. adımda elde edilen ilk betalar için eder). Kullanılan her için farklı olan bu belirli değeri için regresyon sonuçlarına sahip olmak istiyorum . Bu nedenle üç değişken varsa, üç farklı değer olacaktır .T b ∗ j λ j λ j
OLS-Lasso optimizasyon problemi daha sonra
Bunu lar'da veya glmnet paketiyle R'de nasıl yapabilirim? Lambda'yı belirtmenin bir yolunu bulamıyorum ve çalıştırdığımda doğru sonuçları alıp almadığımdan% 100 emin değilim
lars.model <- lars(x,y,type = "lasso", intercept = FALSE)
predict.lars(lars.model, type="coefficients", mode="lambda")
Burada herhangi bir yardım için teşekkür ederim.
Güncelleme:
Şimdi aşağıdaki kodu kullandım:
fits.cv = cv.glmnet(x,y,type="mse",penalty.factor = pnlty)
lmin = as.numeric(fits.cv[9]) #lambda.min
fits = glmnet(x,y, alpha=1, intercept=FALSE, penalty.factor = pnlty)
coef = coef(fits, s = lmin)
1. satırda , her bir regresör için farklı olan, belirtilen ceza faktörü ( ) ile çapraz doğrulamayı kullanıyorum. . Satır 2, minimum ortalama çapraz doğrulama hatası veren lambda olan fits.cv dosyasının "lambda.min" dosyasını seçer. Satır 3 , veriler üzerinde bir kement yerleşimi ( ) gerçekleştirir. Yine ceza faktörü . Satır 4 , satır 2'de seçilen "optimal" ait uyumlardan katsayıları çıkarır .λλalpha=1
Şimdi minimizasyon probleminin optimal çözümünü gösteren regresörler için beta katsayılarım var
bir ceza faktörü ile . Optimal katsayı kümesi büyük olasılıkla başlangıçta kullandığım regresörlerin bir alt kümesidir, bu, kullanılan regresörlerin sayısını azaltan Kement yönteminin bir sonucudur.
Anlayışım ve kodum doğru mu?
$\alpha$
olur . Lütfen bunu yapın, çünkü insanlar sorunuzu daha kolay anlayabilecek ve bu nedenle cevaplayacaktır.