文件名称：lasso-regression:LASSO回归（带L1罚分的正则回归）
文件大小：26KB
文件格式：ZIP
更新时间：2024-05-19 16:23:11
JavaScript
LASSO回归 使用L1罚分执行正则化最小二乘回归。 给定一个响应变量Y和一个预测变量X的向量，则线性回归模型定义为 其中beta_0是截距系数， beta是预测系数的向量。 给定数据点(x_1,y_1),...,(x_N,y_N) ，此程序包使用LASSO估计回归系数。 这个L1惩罚回归分析惩罚了非零系数，其拟合通过解决以下问题获得： lambda参数确定放置在beta向量的L1范数上的罚分大小。 L1规范定义为 当lambda = 0 ，问题简化为多元线性回归，而lambda -> ∞将导致仅截距模型。 正如我们观察到的那样，对于非零罚分，LASSO将系数估计值缩减为零，这使LASSO可以进行模型选择：增加lambda ，对解释Y没多大贡献的预测变量将倾向于从模型中删除。 安装 $ npm install compute-lasso-regression 要在浏览器中使用
【文件预览】：
lasso-regression-master
----.travis.yml(141B)
----.jshintignore(118B)
----docs()
--------img()
----package.json(2KB)
----LICENSE(1KB)
----TODO.md(261B)
----.npmignore(498B)
----examples()
--------index.js(560B)
----.gitignore(1KB)
----lib()
--------softThresholding.js(407B)
--------index.js(6KB)
--------dotm.js(634B)
--------mmult.js(593B)
--------dotv.js(626B)
----Makefile(2KB)
----README.md(6KB)
----.jshintrc(1KB)
----.editorconfig(169B)
----.gitattributes(12B)