原文連結：http://tecdat.cn/?p=25158

原文出處：拓端資料部落公眾號

本文擬合具有分組懲罰的線性迴歸、GLM和Cox迴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視覺化、總結和預測的實用程式。

本文提供了一些資料集的例子；涉及識別與低出生體重有關的風險因素。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）。

2. head(X)
5. ​

原始設計矩陣由 8 個變數組成，此處已將其擴充套件為 16 個特徵。例如，有多個種族指標函式（“其他”是參考組），並且已經使用多項式對比擴充套件了幾個連續因素（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

group

在這裡，組是作為一個因子給出的；唯一的整數程式碼（本質上是無標籤的因子）和字元向量也是允許的（然而，字元向量確實有一些限制，因為組的順序沒有被指定）。要對這個資料擬合一個組套索lasso模型。

1. gLas(X, y，grup）
4. ​

然後我們可以用以下方法繪製係數路徑

1. ​
3. plot

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。

1. ​
3. cv(X, y, grp)
7. ​

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：

1. ​
3. 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（對完整資料集）返回為fit; 其他幾種懲罰是可用的，邏輯迴歸和 Cox 比例風險迴歸的方法也是如此。

最受歡迎的見解

1.R語言多元Logistic邏輯迴歸 應用案例

2.面板平滑轉移回歸(PSTR)分析案例實現

3.matlab中的偏最小二乘迴歸（PLSR）和主成分迴歸（PCR）

4.R語言泊松Poisson迴歸模型分析案例

5.R語言迴歸中的Hosmer-Lemeshow擬合優度檢驗

6.r語言中對LASSO迴歸，Ridge嶺迴歸和Elastic Net模型實現

7.在R語言中實現Logistic邏輯迴歸

8.python用線性迴歸預測股票價格

9.R語言如何在生存分析與Cox迴歸中計算IDI，NRI指標