电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

变量选择与lassologisticVIP免费

变量选择与lassologistic_第1页
1/37
变量选择与lassologistic_第2页
2/37
变量选择与lassologistic_第3页
3/37
逐步回归与LASSO变量筛选凤鸣岐山2019年4月10日背景及方法为什么进行变量选择?1.排除不重要和无关变量,提取有用特征2.当模型中的变量过多时,可能会出现过拟合3.防止多重共线性削弱模型的解释能力4.增强模型的稳定性和准确性变量筛选子集选择法最优子集法逐步筛选系数压缩法岭回归LASSO降维法主成分回归偏最小二乘回归当变量数过多时,逐步法要优于最优子集法岭回归使模型变得稳定LASSO使某些系数为0产生新变量进行回归方法逐步回归逐步回归中建模的策略•建模过程应该从详细的各变量的单因素分析开始•对性质相同的一些自变量进行部分多因素分析,并探讨自变量纳入模型时的适宜尺度,及自变量间的必要的一些变量变换•在单变量分析和相关自变量分析的基础上,进行多因素的逐步筛选•在多因素筛选模型的基础上,考虑有无必要纳入变量的交互作用项逐步筛选前进选择向后法不适用与n

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

变量选择与lassologistic

您可能关注的文档

确认删除?
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群