Próbuję utworzyć model zredukowany, aby przewidzieć wiele zmiennych zależnych (DV) (~ 450), które są wysoce skorelowane.
Moje zmienne niezależne (IV) są również liczne (~ 2000) i wysoce skorelowane.
Jeśli użyję lasso do wybrania zredukowanego modelu dla każdego wyjścia osobno, nie ma gwarancji, że uzyskam ten sam podzbiór zmiennych niezależnych, ponieważ pętlę nad każdą zmienną zależną.
Czy istnieje regresja liniowa wielowymiarowa, która używa lasso w R?
To nie jest grupowe lasso. grupa lasso grupy IV. Chcę wielowymiarowej regresji liniowej (co oznacza, że DV jest macierzą, a nie wektorem skalarów), która również implementuje lasso. (Uwaga: jak wskazuje NRH, nie jest to prawdą. Lasso grupowe to ogólny termin obejmujący strategie grupujące IV, ale także strategie grupujące inne parametry, takie jak DV)
Znalazłem ten artykuł, który wchodzi w coś o nazwie rzadkie nakładające się zestawy Lasso
Oto kod, który wykonuje regresję liniową na wielu odmianach
> dim(target)
[1] 6060 441
> dim(dictionary)
[1] 6060 2030
> fit = lm(target~dictionary)
Oto kod, który robi lasso na jednym DV
> fit = glmnet(dictionary, target[,1])
I to właśnie chciałbym zrobić:
> fit = glmnet(dictionary, target)
Error in weighted.mean.default(y, weights) :
'x' and 'w' must have the same length
Wybieranie funkcji pasujących do WSZYSTKICH celów jednocześnie
glmnet
i ma dokładną winietę.