1,lasso介绍.pptxVIP

下载本文档

12
0
约1.06千字
约 13页
2017-06-16 发布于湖北
举报
版权申诉

1,lasso介绍.pptx

1、本文档共13页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、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。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

1,lasso介绍

？Lasso？ ——Robert Tibshirani(1994) 主讲人：林毓聪什么是Lasso？什么是Lasso？ Lasso是最小二乘的一个改进核心是加入了惩罚项效果是变量选择开创了一个近二十年的领域喂饱了不少统计学家谈谈变量选择什么是变量选择？在回归模型中，选择最能够解释Y的解释变量的过程，称为变量选择。不做变量选择的后果：一、严重的多重共线性二、计算量大三、数据成本昂贵常见的变量选择方法：前进法、后退法、逐步回归法 Lasso 一张图理解LASSO！下面进入高科技环节读心电脑的核心科技——视路建模什么是视路(visual pathway): (P1486.3) 光反射入眼球产生视觉信号视觉信号被视网膜记录在案信号通过中转站(LGN)被传输到初级视觉皮层V1 然后传到V2和V4 于是我们希望建模，通过收集到部分数据即可知道你心中所想的三维动图(movie) 但是如何建模呢？ Voxel（体素[vɔksəl]）一个体素约为，有几千个非干扰的神经元。(P1487.4；P1492.4) 一个体素需要由多个特征特征features决定，可以被表示成26000维的向量。即：Voxel=c(Feature1,F2,F3……Fp) feature=c(位置,方向,滤器频率,观测间隔) 若能找到一个模型，st (F1,F2……Fp) 体素 Model 体素预测模型建立(encoding model) 预测结果呈现(一)：由图中可以看出，CV与ESCV的预测值与真实值的相关系数差距不大根据精确计算，CV.corr=0.506，ESCV.corr=0.499，仅差距1.3% 预测结果呈现（二）：精确计算发现，ESCV.ms=24.3 features；CV.ms=58.8 features ，即Lasso+CV从26000维features中筛选出58.8个，解释能力为50.6%，Lasso+ESCV筛选出24.3features，解释能力为49.9%，降维能力超强！到这就算学会Lasso了吗？如何对Lasso式子的参数进行估计？ Lasso具有oracle性质吗？是否能在Lasso基础上进行罚函数的拓展？ R语言上如何运行Lasso？欢迎王高斌师兄！