原文連結：http://tecdat.cn/?p=25158
最近我們被客戶要求撰寫關於lasso的研究報告，包括一些圖形和統計輸出。
本文介紹具有分組懲罰的線性回歸、GLM和Cox回歸模型的正則化路徑。這包括組選擇方法，如組lasso套索、組MCP和組SCAD，以及雙級選擇方法，如組指數lasso、組MCP
還提供了進行交叉驗證以及擬合後可視化、總結和預測的實用程序。
本文提供了一些數據集的例子；涉及識別與低出生體重有關的風險因素 （ 查看文末了解數據獲取方式 ） 。結果是連續測量（bwt，以公斤為單位的出生體重），也可以是二分法（低），即新生兒出生體重低（低於2.5公斤）。
head(X)
相關視頻
拓端
，贊9
原始設計矩陣由 8 個變量組成，此處已將其擴展為 16 個特徵。例如，有多個種族指標函數（「其他」是參考組），並且已經使用多項式對比擴展了幾個連續因素（例如年齡）（樣條曲線會給出類似的結構）。因此，設計矩陣的列被 分組；這就是_組_的設計目的。分組信息編碼如下：
group
在這裡，組是作為一個因子給出的；唯一的整數代碼（本質上是無標籤的因子）和字符向量也是允許的（然而，字符向量確實有一些限制，因為組的順序沒有被指定）。要對這個數據擬合一個組套索lasso模型。
gLas(X, y，grup）
然後我們可以用以下方法繪製係數路徑
plot
點擊標題查閱往期內容
R語言實現貝葉斯分位數回歸、lasso和自適應lasso貝葉斯分位數回歸分析
左右滑動查看更多
01
02
03
04
請注意，當一個組進入模型時（例如，綠色組），它的所有係數都變成非零；這就是組套索模型的情況。要想知道這些係數是什麼，我們可以使用coef。
請注意，在λ=0.05時，醫生的就診次數不包括在模型中。
為了推斷模型在各種 λ值下的預測準確性，進行交叉驗證。
cv(X, y, grp)
可以通過coef以下方式獲得與最小化交叉驗證誤差的 λ 值對應的係數 ：
coef(cvfit)
預測值可以通過 獲得 predict，它有許多選項：
predict # 對新觀察結果的預測
predicttype="ngroups" # 非零組的數量
# 非零組的身份
nvars # 非零係數的數量
predict(fit # 非零係數的身份
原始擬合（對完整數據集）返回為fit; 其他幾種懲罰是可用的，邏輯回歸和 Cox 比例風險回歸的方法也是如此。
本文摘選 《 R語言群組變量選擇、組懲罰group lasso套索模型預測分析新生兒出生體重風險因素數據和交叉驗證、可視化 》 ，點擊「閱讀原文」獲取全文完整資料。
點擊標題查閱往期內容
【視頻】Lasso回歸、嶺回歸等正則化回歸數學原理及R語言實例R語言Lasso回歸模型變量選擇和糖尿病發展預測模型
用LASSO，adaptive LASSO預測通貨膨脹時間序列MATLAB用Lasso回歸擬合高維數據和交叉驗證
群組變量選擇、組懲罰group lasso套索模型預測新生兒出生體重風險因素數據和交叉驗證、可視化
高維數據懲罰回歸方法：主成分回歸PCR、嶺回歸、lasso、彈性網絡elastic net分析基因數據
Python高維變量選擇:SCAD平滑剪切絕對偏差懲罰、Lasso懲罰函數比較
R使用LASSO回歸預測股票收益
廣義線性模型glm泊松回歸的lasso、彈性網絡分類預測學生考試成績數據和交叉驗證
貝葉斯分位數回歸、lasso和自適應lasso貝葉斯分位數回歸分析免疫球蛋白、前列腺癌數據
R語言RSTAN MCMC：NUTS採樣算法用LASSO 構建貝葉斯線性回歸模型分析職業聲望數據
r語言中對LASSO回歸，Ridge嶺回歸和彈性網絡Elastic Net模型實現
R語言高維數據懲罰回歸方法：主成分回歸PCR、嶺回歸、lasso、彈性網絡elastic net分析基因數據（含練習題）
廣義線性模型glm泊松回歸的lasso、彈性網絡分類預測學生考試成績數據和交叉驗證
貝葉斯分位數回歸、lasso和自適應lasso貝葉斯分位數回歸分析免疫球蛋白、前列腺癌數據
R語言RSTAN MCMC：NUTS採樣算法用LASSO 構建貝葉斯線性回歸模型分析職業聲望數據
r語言中對LASSO回歸，Ridge嶺回歸和彈性網絡Elastic Net模型實現
R語言高維數據懲罰回歸方法：主成分回歸PCR、嶺回歸、lasso、彈性網絡elastic net分析基因數據（含練習題）
Python中LARS和Lasso回歸之最小角算法Lars分析波士頓住房數據實例
R語言自適應LASSO 多項式回歸、二元邏輯回歸和嶺回歸應用分析
R語言懲罰logistic邏輯回歸（LASSO,嶺回歸）高維變量選擇的分類模型案例
Python中的Lasso回歸之最小角算法LARS
r語言中對LASSO回歸，Ridge嶺回歸和彈性網絡Elastic Net模型實現
R語言實現LASSO回歸——自己編寫LASSO回歸算法
r語言中對LASSO回歸，Ridge嶺回歸和Elastic Net模型實現
R使用LASSO回歸預測股票收益
R語言如何和何時使用glmnet嶺回歸
R語言中的嶺回歸、套索回歸、主成分回歸：線性模型選擇和正則化
Python中的ARIMA模型、SARIMA模型和SARIMAX模型對時間序列預測
R語言arima，向量自回歸（VAR），周期自回歸(PAR)模型分析溫度時間序列
【視頻】Python和R語言使用指數加權平均(EWMA)，ARIMA自回歸移動平均模型預測時間序列
Python用ARIMA和SARIMA模型預測銷量時間序列數據