প্রশ্ন ট্যাগ «lasso»

L1- নিয়মিত লিনিয়ার রিগ্রেশন ফিটিংয়ের জন্য স্থানাঙ্ক বংশোদ্ভূত ব্যবহারের তুলনায় LARS [1] ব্যবহারের পক্ষে কি কি? আমি মূলত পারফরম্যান্সের দিকগুলিতে আগ্রহী (আমার সমস্যাগুলি Nকয়েক হাজার এবং p<20 এর মধ্যে থাকে) তবে তবে অন্য কোনও অন্তর্দৃষ্টিও প্রশংসা হবে। সম্পাদনা: যেহেতু আমি প্রশ্ন পোস্ট করেছি, চিএল ফ্রেডম্যান এট আল দ্বারা একটি কাগজ …

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

আমি পড়েছি যে গ্রুপ লাসোটি ভেরিয়েবলের একটি গ্রুপে পরিবর্তনশীল নির্বাচন এবং স্পারসিটির জন্য ব্যবহৃত হয়। আমি এই দাবির পিছনে অন্তর্দৃষ্টি জানতে চাই গ্রুপ লাসো কেনো লাসোর চেয়ে বেশি পছন্দ? গোষ্ঠী লাসো সমাধানের পথটি কেন পয়েন্টওয়্যার লিনিয়ার নয়?

13 regression  feature-selection  lasso  regularization 

আমি কিছু ওপেন সোর্স বা একটি বিদ্যমান লাইব্রেরি খুঁজছি যা আমি ব্যবহার করতে পারি। আমি যতদূর জানি গ্ল্যামনেট প্যাকেজটি অ নেতিবাচক ক্ষেত্রে coverাকতে খুব সহজেই বর্ধিত নয়। আমি ভুল হতে পারি, যে কোনও ধারণা সহ যিনি অনেক প্রশংসা করেছেন। অ-নেতিবাচক দ্বারা আমি বোঝাতে চাইছি যে সমস্ত সহগুণ ইতিবাচক (> 0) …

13 r  lasso 

আমি নিম্নলিখিত কোড সহ আর-তে প্যাকেজ 'লারস' ব্যবহার করছি: > library(lars) > set.seed(3) > n <- 1000 > x1 <- rnorm(n) > x2 <- x1+rnorm(n)*0.5 > x3 <- rnorm(n) > x4 <- rnorm(n) > x5 <- rexp(n) > y <- 5*x1 + 4*x2 + 2*x3 + 7*x4 + rnorm(n) > …

13 correlation  feature-selection  lasso  regularization  ridge-regression 

Zou এট আল। "লাসোর" স্বাধীনতার ডিগ্রিতে " (2007) দেখায় যে নানজারো সহগের সংখ্যা লাসোর স্বাধীনতার ডিগ্রিগুলির জন্য একটি পক্ষপাতহীন এবং ধারাবাহিক অনুমান। এটা আমার কাছে কিছুটা পাল্টা মনে হচ্ছে। ধরুন আমাদের একটি রিগ্রেশন মডেল রয়েছে (যেখানে ভেরিয়েবলগুলি শূন্যের মাঝামাঝি) y=βx+ε.y=βx+ε.y=\beta x + \varepsilon. ধরুন একটি অবাধ OLS ঔজ্জ্বল্যের প্রেক্ষাপটে এর …

12 regression  lasso  degrees-of-freedom  shrinkage 

আমি বুঝতে চেষ্টা করছি যে কীভাবে লাসোর উত্পন্ন করতে লার্স অ্যালগরিদম পরিবর্তন করা যেতে পারে। আমি যখন লারসকে বুঝতে পারি, তিবশিরানী এট আল দ্বারা আমি পেপার থেকে লাসো পরিবর্তনটি দেখতে পাচ্ছি না। বিশেষত আমি দেখতে পাচ্ছি না যে শূন্য-স্থানাঙ্কের সাইনটিতে সাইন শর্তটি অবশ্যই বর্তমান পারস্পরিক সম্পর্কের চিহ্নের সাথে একমত হতে …

12 lasso 

লিনিয়ার রিগ্রেশন সমস্যার জন্য এল 1 (লাসো) এবং / অথবা ইলাস্টিক নেট নিয়মিতকরণের জন্য স্থানাঙ্ক বংশোদ্ভুত ব্যবহারের জন্য কোনও ভাল কাগজপত্র বা বই রয়েছে কি?

12 regression  references  lasso  regularization  elastic-net 

আমি একটি খুব বড় ডেটাসেটের সাথে একটি এল 1-নিয়মিত লিনিয়ার রিগ্রেশন ফিটিং করছি (এন >> পি সহ) ভেরিয়েবলগুলি আগে থেকেই জানা যায়, তবে পর্যবেক্ষণগুলি ছোট অংশে আসে। আমি প্রতিটি খণ্ড পরে lasso ফিট বজায় রাখতে চাই। প্রতিটি পর্যবেক্ষণের নতুন সেট দেখার পরে আমি অবশ্যই পুরো মডেলটিকে আবার ফিট করতে পারি। …

12 regression  lasso 

আমি IRLS অ্যালগরিদম ব্যবহার করে একটি লজিস্টিক রিগ্রেশন প্রোগ্রাম করেছি । সঠিক বৈশিষ্ট্যগুলি স্বয়ংক্রিয়ভাবে নির্বাচন করার জন্য আমি একটি লাসো শাস্তি প্রয়োগ করতে চাই । প্রতিটি পুনরাবৃত্তিতে নিম্নলিখিতগুলি সমাধান করা হয়: (XTWX)δβ^=XT(y−p)(XTWX)δβ^=XT(y−p)\mathbf{\left(X^TWX\right) \delta\hat\beta=X^T\left(y-p\right)} আসুন একটি অ-নেতিবাচক আসল সংখ্যা । দ্য এলিমেন্টস এর পরামর্শ অনুসারে আমি ইন্টারসেপ্টটিকে শাস্তি দিচ্ছি না । …

12 logistic  generalized-linear-model  feature-selection  lasso  convex 

রেফারেন্স বুক 1 , বই 2 এবং কাগজ অনুসারে । এটি উল্লেখ করা হয়েছে যে নিয়ন্ত্রিত রিগ্রেশন (রিজ, ল্যাসো এবং ইলাস্টিক নেট) এবং তাদের সীমাবদ্ধ সূত্রগুলির মধ্যে একটি সমতা রয়েছে। আমি ক্রস ভ্যালিডেটেড 1 এবং ক্রস ভ্যালিডেটেড 2 এর দিকেও নজর রেখেছি, তবে আমি কোনও পরিষ্কার উত্তর দেখতে পাচ্ছি না …

12 regression  optimization  lasso  ridge-regression  elastic-net 

আমি বেশ কয়েকটি জায়গায় পড়েছি যে যখন কোনও মডেল লাসো ব্যবহার করে ফিট হয় তখন আর স্কয়ার্ড কোনও আদর্শ পরিমাপ নয়। তবে কেন তা ঠিক তা নিয়ে আমি পরিষ্কার নই । উপরন্তু, আপনি সেরা বিকল্প সুপারিশ করতে পারেন?

12 regression  lasso  r-squared  penalized 

সংক্ষিপ্ত , একটি উপপাদ্য গ্যারান্টি রয়েছে যে এর একটি অনন্য স্পারস দ্রবণ সি রয়েছে (আরও তথ্যের জন্য পরিশিষ্ট দেখুন)।argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc ccc লসোর জন্য কি একই রকম উপপাদ্য রয়েছে? যদি এই ধরনের উপপাদ্য থাকে তবে এটি কেবল লাসোর স্থিতিশীলতার …

12 regression  self-study  feature-selection  lasso  regularization 

আমি বর্তমানে ase 300 ভেরিয়েবল এবং 800 টি পর্যবেক্ষণ সহ একটি ডেটাসেটে বাইনারি ফলাফলের জন্য ভবিষ্যদ্বাণীমূলক মডেল তৈরির কাজ করছি। ধাপে ধাপে রিগ্রেশন সম্পর্কিত সমস্যাগুলি এবং কেন এটি ব্যবহার করবেন না সে সম্পর্কে আমি এই সাইটে অনেকগুলি পড়েছি। আমি লাসো রিগ্রেশন এবং বৈশিষ্ট্য নির্বাচনের জন্য এর ক্ষমতা সম্পর্কে পড়ছি এবং …

12 multiple-regression  predictive-models  interpretation  regression-coefficients  lasso 

রিজ রিগ্রেশন এবং লাসো সম্পর্কে আমার ইতিমধ্যে একটি ধারণা রয়েছে। লাসোর জন্য, এল 1 পেনাল্টি শব্দটি একটি বিচ্ছিন্ন সহগ ভেক্টর এনে দেবে, যা বৈশিষ্ট্য নির্বাচন পদ্ধতি হিসাবে দেখা যেতে পারে। তবে লাসোর জন্য কিছু সীমাবদ্ধতা রয়েছে। যদি বৈশিষ্ট্যগুলির উচ্চ সম্পর্ক থাকে তবে লাসো কেবল তাদের মধ্যে একটি নির্বাচন করবে। তদ্ব্যতীত, …

12 feature-selection  lasso  regularization  ridge-regression  elastic-net 

আমি ইতিমধ্যে লাসো (কমপক্ষে পরম সংকোচন এবং নির্বাচন অপারেটর) অধ্যয়ন করছি । আমি দেখতে পাচ্ছি যে নিয়মিতকরণ পরামিতিগুলির সর্বোত্তম মান ক্রস বৈধকরণের মাধ্যমে চয়ন করা যেতে পারে। আমি রিজ রিগ্রেশন এবং নিয়মিতকরণ প্রয়োগ করে এমন অনেকগুলি পদ্ধতিতেও দেখতে পাই, আমরা সর্বোচ্চ নিয়মিতকরণ পরামিতি (পেনাল্টি বলার) জন্য সিভি ব্যবহার করতে পারি। …

12 lasso  regularization  shrinkage