原文連結：http://tecdat.cn/?p=26158

原文出處：拓端資料部落公眾號

彈性網路正則化同時應用 L1 範數和 L2 範數正則化來懲罰迴歸模型中的係數。為了在 R 中應用彈性網路正則化。在 LASSO迴歸中，我們為 alpha 引數設定一個 '1' 值，並且在 嶺迴歸中，我們將 '0' 值設定為其 alpha 引數。彈性網路在 0 到 1 的範圍內搜尋最佳 alpha 引數。在這篇文章中，我們將學習如何在 R 中應用彈性網路正則化。

首先，我們將為本教程建立測試資料集。

1.    
2.   df <- data.frame(a,b,c,z)
3.    
4.   x <- as.matrix(df)[,-4]

1.    
2.   for (i in 1:length(alpha))
3.   {
4.    
5.   bst$mse <- c(bet$mse, min(cg$cm))
6.   }
7.    
8.   inx <- which(bst$mse==min(bst$mse))
9.   betlha <- bs$a[inex]
10.   be_mse <- bst$mse[inex]

接下來，我們再次使用最佳 alpha 進行交叉驗證以獲得 lambda（收縮水平）。
 

1.   elacv <- cv(x, v)
2.    
3.    
4.    
5.   bestbda <- elacv$lambda.min

現在，我們可以使用函式擬合具有最佳 alpha 和 lambda 值的模型。
 

1.    
2.   coef(elamod)
3.    

最後，我們可以使用模型預測測試資料並計算 RMSE、R 平方和 MSE 值。

 

1.   predict(elasod, x)
2.    
3.    
4.   cat(" RMSE:", rmse, "\n", "R-squared:", R2, "\n", "MSE:", mse)
5.    

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