Lasso回归及其R语言操作

Lasso回归形式：

确定lamda使得RSS-lamda*sum(Bi)最小，RSS为普通最小二乘估计的回归平方和。

作用：

确定哪些变量更重要，lamda从0到1过程中，哪些变量的系数最慢趋于0，则这些变量相对更重要。

R语言代码：

library(glmnet)
set.seed(1)
x=matrix(rnorm(100*20),100,20)
y=rnorm(100)
fit1=glmnet(x,y)
plot(fit1,xvar="lamda",label=T)

从结果可以看出，负相关变量中8和13更为重要；正相关变量中2和3更为重要。

取lambda为0.01时，对应的系数为

b=coef(fit1,s=0.01)

未显示的变量系数即可考虑为0，可以考虑保留变量系数较大的变量进行分析。

取lambda为0.01和0.005时做预测

predict(fit1,newx=x[1:10,],s=c(0.01,0.005))