মনে রাখবেন যে রিজ রিগ্রেশন সহগগুলি শুন্য করতে পারে না; সুতরাং, আপনি হয় মডেলের সমস্ত সহগ বা অন্য কোনওটি সহ শেষ করেন। বিপরীতে, লাসো স্বয়ংক্রিয়ভাবে প্যারামিটার সংকোচন এবং পরিবর্তনশীল নির্বাচন উভয়ই করে। যদি আপনার কিছু কোভেরিয়ট অত্যন্ত সংযুক্ত থাকে তবে আপনি লাসোর পরিবর্তে ইলাস্টিক নেট [3] দেখতে চাইতে পারেন।
আমি ব্যক্তিগতভাবে অ-নেতিবাচক গ্যারোট (এনএনজি) [1] ব্যবহার করার পরামর্শ দিচ্ছি কারণ এটি অনুমান এবং পরিবর্তনশীল নির্বাচনের ক্ষেত্রে সামঞ্জস্যপূর্ণ [2]। লাসো এবং রিজ রিগ্রেশন থেকে পৃথক, এনএনজির একটি প্রাথমিক অনুমান প্রয়োজন যা পরে উত্সের দিকে সঙ্কুচিত হয়। মূল কাগজে, ব্রেইমান প্রাথমিক অনুমানের জন্য সর্বনিম্ন-স্কোয়ার সমাধানের প্রস্তাব দেয় (আপনি তবে একটি রিজ রিগ্রেশন সলিউশন থেকে সন্ধান শুরু করতে পারেন এবং পেনাল্টি প্যারামিটারটি নির্বাচন করতে GCV এর মতো কিছু ব্যবহার করতে পারেন)।
উপলভ্য সফ্টওয়্যারগুলির ক্ষেত্রে, আমি ম্যাটল্যাবে আসল এনএনজি বাস্তবায়ন করেছি (ব্রেইমানের মূল ফোরট্রান কোডের ভিত্তিতে)। আপনি এটি থেকে ডাউনলোড করতে পারেন:
http://www.emakalic.org/blog/wp-content/uploads/2010/04/nngarotte.zip
বিটিডাব্লু, আপনি যদি কোনও বায়েশীয় দ্রবণ পছন্দ করেন তবে [৪,৫] পরীক্ষা করে দেখুন।
তথ্যসূত্র:
[১] ব্রেইম্যান, এল। বেটার সাবসেট রিগ্রেশন নননিজেটিভ গ্যারোট টেকনোমেট্রিক্স, 1995, 37, 373-384 ব্যবহার করে
[২] ইউয়ান, এম ও লিন, ওয়াই রয়্যাল স্ট্যাটিস্টিকাল সোসাইটির (সিরিজ বি), 2007, 69, 143-161 এর অ-নেতিবাচক গ্যারোটের অনুমানকারী জার্নালে
[3] জৌ, এইচ।
[৪] পার্ক, টি। ও কেসেলা, জি। বায়েসিয়ান লাসো জার্নাল অফ আমেরিকান স্ট্যাটিস্টিকাল অ্যাসোসিয়েশন, ২০০৮, ১০৩, 1 68১-6866
[5] কিউং, এম ;; গিল, জে .; ঘোষ, এম। ও কেসেলা, জি। পেনালাইজড রিগ্রেশন, স্ট্যান্ডার্ড ত্রুটি, এবং বায়সিয়ান লাসসো বেয়েসিয়ান অ্যানালাইসিস, 2010, 5, 369-412