原文链接：http://tecdat.cn/?p=22273
如果你理解数据迷信畛域，你可能据说过LASSO。LASSO是一个对指标函数中的参数大小进行惩办的模型，试图将不相干的变量从模型中排除
动机
它有两个十分天然的用处，第一个是变量抉择，第二个是预测。因为通常状况下，LASSO抉择的变量会比一般最小二乘法（OLS）少得多，其预测的方差会小得多，代价是样本中呈现大量的偏差。
LASSO最重要的特点之一是它能够解决比观测值多得多的变量，我说的是成千上万的变量。这是它最近风行的次要起因之一。
实例
在这个例子中，我应用最风行的LASSO，glmnet。咱们能够十分疾速地预计LASSO，并应用穿插验证抉择最佳模型。依据我的教训，在工夫序列的背景下，应用信息准则（如BIC）来抉择最佳模型会更好。它更快，并防止了工夫序列中穿插验证的一些简单问题。
本文预计LASSO，并应用信息规范来抉择最佳模型。咱们将应用LASSO来预测通货膨胀。
## == 数据分解成样本内和样本外y.in=y[1:100]; y.out=y[-c(1:100)]x.in=x[1:100,]; x.out=x[-c(1:100),]## == LASSO == ##glmnet(x.in,y.in,crit = "bic")点击题目查阅往期内容
r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现
左右滑动查看更多
01
02
03
04
![图片]()
plot(lasso)下面的第一个图显示，当咱们减少LASSO指标函数中的惩办时，变量会归零。第二张图显示了BIC曲线和选定的模型。当初咱们能够计算预测了。
## == 预测 == ##predict(lasso,x.out)adaptive LASSO
LASSO有一个自适应版本，在变量抉择方面有一些更好的个性。请留神，这并不总是意味着更好的预测。该模型背地的想法是应用一些以前晓得的信息来更无效地抉择变量。一般来说，这些信息是由LASSO或其余一些模型预计的系数。
## = adaLASSO = ##adalasso(x.in,y.in,crit="bic",penalty=factor)predict(adalasso, x.out)## = 比拟误差 = ##sqrt(mean((y.out-pred.ada)^2)在这种状况下，adaLASSO产生了一个更准确的预测。一般来说，adaLASSO比简略的LASSO的预测成果更好。然而，这不是一个相对的事实。我见过很多简略LASSO做得更好的案例。
参考文献
[1] Bühlmann, Peter, and Sara Van De Geer. Statistics for high-dimensional data: methods, theory and applications. Springer Science & Business Media, 2011.
[2] Jerome Friedman, Trevor Hastie, Robert Tibshirani (2010). Regularization Paths for
Generalized Linear Models via Coordinate Descent. Journal of Statistical Software, 33(1), 1-22. URL http://www.jstatsoft.org/v33/...
[3] Marcio Garcia, Marcelo C. Medeiros , Gabriel F. R. Vasconcelos (2017). Real-time inflation forecasting with high-dimensional models: The case of Brazil. Internationnal Journal of Forecasting, in press.
本文摘选 《 R语言用LASSO，adaptive LASSO预测通货膨胀工夫序列 》 ，点击“浏览原文”获取全文残缺材料。
点击题目查阅往期内容
MATLAB用Lasso回归拟合高维数据和穿插验证
群组变量抉择、组惩办group lasso套索模型预测新生儿出世体重危险因素数据和穿插验证、可视化
高维数据惩办回归办法：主成分回归PCR、岭回归、lasso、弹性网络elastic net剖析基因数据
Python高维变量抉择:SCAD平滑剪切相对偏差惩办、Lasso惩办函数比拟
R应用LASSO回归预测股票收益
狭义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和穿插验证
贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归剖析免疫球蛋白、前列腺癌数据
R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型剖析职业声望数据
r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现
R语言高维数据惩办回归办法：主成分回归PCR、岭回归、lasso、弹性网络elastic net剖析基因数据（含练习题）
狭义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和穿插验证
贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归剖析免疫球蛋白、前列腺癌数据
R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型剖析职业声望数据
r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现
R语言高维数据惩办回归办法：主成分回归PCR、岭回归、lasso、弹性网络elastic net剖析基因数据（含练习题）
Python中LARS和Lasso回归之最小角算法Lars剖析波士顿住房数据实例
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归利用剖析
R语言惩办logistic逻辑回归（LASSO,岭回归）高维变量抉择的分类模型案例
Python中的Lasso回归之最小角算法LARS
r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现
R语言实现LASSO回归——本人编写LASSO回归算法
r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
R应用LASSO回归预测股票收益
R语言如何和何时应用glmnet岭回归
R语言中的岭回归、套索回归、主成分回归：线性模型抉择和正则化
Python中的ARIMA模型、SARIMA模型和SARIMAX模型对工夫序列预测
R语言arima，向量自回归（VAR），周期自回归(PAR)模型剖析温度工夫序列
【视频】Python和R语言应用指数加权均匀(EWMA)，ARIMA自回归挪动均匀模型预测工夫序列
Python用ARIMA和SARIMA模型预测销量工夫序列数据