quossy https://blog.hatena.ne.jp/quossy/ ねこすたっと https://necostat.hatenablog.jp/ variable selection prediction/diagnostic validation R neco 罰則付き回帰モデル（penalized regression model）で過学習を抑える LASSO回帰, Ridge回帰, Elastic Netは正則化項（ペナルティー）が違う glmnet( )でペナルティーの重みλを色々変えて係数βを推定する cv.glmnet( )で重み付けパラメータλを変えながらモデルの交差検証を行う おわりに 参考資料 回帰モデルの説明変数は多いほど良いという訳ではない。 15組の(x,y)を2次式で回帰した場合（赤・点線）と10次式で回帰した場合（青・実線）を比べると、後者の方が15のデータからのズレが小さいが、新しいデータには前者の方が上手く当てはまる。 … 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fnecostat.hatenablog.jp%2Fentry%2F2022%2F04%2F07%2F102133" title="罰則付き回帰モデル（LASSO回帰, Ridge回帰, Elastic Net）で過学習を抑える（glmnetパッケージ）[R] - ねこすたっと" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/q/quossy/20210911/20210911085019.jpg Hatena Blog https://hatena.blog 2022-04-07 10:21:33 rich https://necostat.hatenablog.jp/entry/2022/04/07/102133 1.0 100%