Regolarizzazione

Regressione ridge, lasso ed elastic net per modelli lineari

Per ottenere una maggiore precisione su insiemi di dati a bassa e media dimensionalità, implementare la regressione dei minimi quadrati con regolarizzazione utilizzando lasso o ridge.

Per ridurre i tempi computazionali su insiemi di dati ad alta dimensionalità, adattare un modello di regressione lineare regolarizzata utilizzando fitrlinear.

Funzioni

espandi tutto

Regolarizzazione senza utilizzo dell'oggetto

`lasso`	Lasso or elastic net regularization for linear models
`ridge`	Ridge regression
`lassoPlot`	Trace plot of lasso fit

Regolarizzazione utilizzando le funzioni `RegressionLinear`

`fitrlinear`	Fit linear regression model to high-dimensional data
`predict`	Predict response of linear regression model

Oggetti

`RegressionLinear`	Linear regression model for high-dimensional data
`RegressionPartitionedLinear`	Cross-validated linear regression model for high-dimensional data

Argomenti

Lasso Regularization
See how lasso identifies and discards unnecessary predictors.
Lasso and Elastic Net with Cross Validation
Predict the mileage (MPG) of a car based on its weight, displacement, horsepower, and acceleration using lasso and elastic net.
Wide Data via Lasso and Parallel Computing
Identify important predictors using lasso and cross-validation.
Lasso and Elastic Net
The lasso algorithm is a regularization technique and shrinkage estimator. The related elastic net algorithm is more suitable when predictors are highly correlated.
Ridge Regression
Ridge regression addresses the problem of multicollinearity (correlated model terms) in linear regression problems.