lasso求解(lasso求解算法omp)

如何用R实现Lasso及adaptive lasso lambda的取值

glmnet和lars一样都可以得到整个path，glmnet里面用的是CV选择的最优lambda，本身可以直接求解lasso估计，BIC直接根据其definition formula编写一个小的function来计算。你用glmnet得到的最优lambda不能直接用于计算adaptive lasso估计，因为两者对应的最优lambda不一定相同，都可以按照CV或者BIC来选择。

岭回归和Lasso回归有什么区别？

岭回归是线性回归采用L2正则化的形式，Lasso回归是采用L1正则化的形式，Lasso回归易产生稀疏解

求教大神MATLAB的lasso函数怎么用，CV曲线图怎么画出来？

Alpha： 即α得值，当为 0，表示Lasso为岭回归，这时它当然不是Lasso了，而是和Lasso相似的岭回归计算法，当该值为 1（默认值），则此程序为 Lasso，若为0~1之间，表示是 elastic net算法，也是与 岭回归和Lasso相似而不同的算法。

CV:为 交叉验证的设置。用于估计最佳的λ的值。 默认为“resubstitution”,这个我没有研究，而是使用了较为广泛的 K折交叉验证，一般 赋值 k =5或10，就是 5折交叉验证或10折交叉验证。

DFmax：返回拟合式中 非零系数的数量。

Lambda：这个就是Lasso活着岭回归活着elastic net中的参数λ的值，如果使用交叉验证，会使用交叉验证选择一个最优λ，如果默，则由系统根据计算公式默认赋值一个λ的最大值，关于最大值计算公式，在Lasso程序中有说明，或者你也可以指定λ的值。在确定该最大值后，还需要和Lambdaratio 和 Numlambda 确定λ的取值。

Lambdaratio λ的取值比例，它和Lambda构成λ的取值范围区间。

Numlambda λ的取值数量。Lambda确定λ的最大值，比如a，Lambdaratio确定λ最小值与最大值的比率，如Lambdaratio为0.01，那么λ的取值区间即为 0.01*a~a，而Numlambda则确定改区间取多少个λ，从而最终确定了λ的取值。

Reltol 坐标下降法的阈值。坐标下降法是求解elastic net的常用方法，这是该方法的一个参数。

Standardize：布尔值。是否对Lasso进行缩放。一般设置为 true，即 进行缩放。

输出参数：

Intercept：截距，就是线性方程中的常数项

lambda：列出使用的λ的值，升序排列，而且后面的参数的顺序与这个λ对应

alpha：α值

MSE：均方误差

DF

Fitinfo中的字段：

在使用CV交叉验证后，可以输出本字段中的结果，内容和上面的差不多，先不描述了，大家想了解的话我再加。