Проследите график подгонки лассо
lassoPlot(B)
lassoPlot(B,FitInfo)
lassoPlot(B,FitInfo,Name,Value)
[ax,figh]
= lassoPlot(___)
lassoPlot( создает график трассировки значений в B)B против L 1 норма B.
lassoPlot( создает график с типом в зависимости от типа данных B,FitInfo)FitInfo и значения, если таковые имеются, пары "имя-значение" PlotType.
lassoPlot( создает график с дополнительными опциями, заданными одним или несколькими аргументами пары B,FitInfo,Name,Value)Name,Value.
[, для любого предыдущего входного синтаксиса, возвращает указатель ax,figh]
= lassoPlot(___)ax в ось графика и указатель figh к окну рисунка.
|
Коэффициенты последовательности подгонок регрессии, как возвращено в |
|
Информация, управляющая графиком: |
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
|
Ось, на которой можно построить график. Значение по умолчанию: Newplot | ||||||||
|
Постройте тип, когда вы зададите вектор
Если вы включаете перекрестную подтвержденную структуру
Чтобы отобразить метку для каждого графика в легенде фигуры, введите Значение по умолчанию: | ||||||||
|
Массив строк или массив ячеек из символьных векторов, чтобы маркировать каждый коэффициент
Для примера см. График Лассо с Типом Графика По умолчанию. Значение по умолчанию: | ||||||||
|
Значение по умолчанию: |
|
Обработайте к оси графика (см. Внешний вид осей (MATLAB)). |
|
Обработайте к окну рисунка (см. Идентификаторы Специального объекта (MATLAB)). |
Загрузите выборочные данные
load acetyleneПодготовьте матрицу проекта к подгонке лассо со взаимодействиями.
X = [x1 x2 x3]; D = x2fx(X,'interaction'); D(:,1) = []; % No constant term
Функция x2fx возвращает квадратичную модель в порядке постоянного термина, линейных членов и периоды взаимодействия: постоянный термин, x1, x2, x3, x1.*x2, x1.*x3 и x2.*x3
Соответствуйте упорядоченной модели данных с помощью lasso.
B = lasso(D,y);
Постройте подгонки лассо с маркированными коэффициентами при помощи пары "имя-значение" PredictorNames.
lassoPlot(B,'PredictorNames',{'x1','x2','x3','x1.*x2','x1.*x3','x2.*x3'}); legend('show','Location','NorthWest') % Show legend
Каждая строка представляет трассировку значений в B для одной переменной прогноза: x1, x2, x3, x1.*x2, x1.*x3 и x2.*x3.
Отобразите всплывающую подсказку для графика трассировки. Всплывающая подсказка появляется, когда вы наводите на всплывающую подсказку.
Всплывающая подсказка отображает эти строки информации: имя выбранного коэффициента с подходящим значением, нормой L1 набора коэффициентов включая выбранный коэффициент и индексом соответствующего Lambda.
Загрузите выборочные данные.
load acetyleneПодготовьте данные к подгонке лассо со взаимодействиями.
X = [x1 x2 x3]; D = x2fx(X,'interaction'); D(:,1) = []; % No constant term
Соответствуйте упорядоченной модели данных с lasso.
[B,FitInfo] = lasso(D,y);
Постройте подгонки с типом графика Lambda и логарифмическим масштабированием.
lassoPlot(B,FitInfo,'PlotType','Lambda','XScale','log');
Визуально исследуйте перекрестную подтвержденную ошибку различных уровней регуляризации.
Загрузите выборочные данные.
load acetyleneСоздайте матрицу проекта со взаимодействиями и никаким постоянным термином.
X = [x1 x2 x3]; D = x2fx(X,'interaction'); D(:,1) = []; % No constant term
Создайте подгонку лассо использование 10-кратной перекрестной проверки. Включайте FitInfo вывод, таким образом, можно построить результат.
rng default % For reproducibility [B,FitInfo] = lasso(D,y,'CV',10);
Постройте перекрестные подтвержденные подгонки.
lassoPlot(B,FitInfo,'PlotType','CV'); legend('show') % Show legend
Зеленая круговая и пунктирная линия определяет местоположение Lambda с минимальной ошибкой перекрестной проверки. Синяя круговая и пунктирная линия определяет местоположение точки с минимальной ошибкой перекрестной проверки плюс одно стандартное отклонение.