ltx5151 发表于 2012-10-9 09:49 
不太明白楼主想干嘛，可以说的具体点吗。如果你只是想做lasso，直接调节lambda即可。另一个求解lasso
的函 ...
非常感谢你的回复。我最近也发现了这个glmnet包可以做，确实是用coordinate descent的算法求解，但是我有一个疑问，想请教一下你，输出的系数估计中含有intercept term，这个截距项该怎么解释，因为我的模型中是不含有截距项的？ 如果我只用输出的系数的估计，舍去截距项的估计，是否合理？
其实，我问题的本质是想解这个L1惩罚的最小二乘问题，看了很多文章，都说用LARS算法求解，我就不知道怎么用LARS算法来解这个问题，如果用glmnet命令就变成了coordinate descent算法了，与文章说的就不一样了，自然也没法验证别人的结果。我知道LARS包中中lars()命令可以求解lasso，但是，不知道怎样设置lambda的值？
另外，我注意到lasso2包里面的 l1ce()命令可以解系数为L1约束的最优化问题，但是也不知道怎样与lambda对应起来？
不知道版主有知不知道如何解决？
下面是用glmnet命令写的一段程序
# generate Data
G.DAT=function(n, sigma, rho, b)
{
p=length(b)
xx=matrix(rnorm(n*p), ncol=p)
corrmat=array(0,dim=c(p,p))
for(i in 1:p){
for(j in 1:p){
corrmat[i,j]=rho^abs(i-j)
}
}
cholmat=chol(corrmat)
X=xx%*%cholmat
epsilon=rnorm(n)*sigma
Y=X%*%b+epsilon
data.frame(X=X, Y=Y)
}
dat=G.DAT(n=60, sigma=1, rho=0.5, b=c(3, 1.5, 0, 0, 2, 0, 0, 0))
X=as.matrix(dat[,1:8])
Y=as.vector(dat[,9])
glm0=glmnet(X,Y,family="gaussian", alpha=1)
coef(glm0)
扫码加好友，拉您进群
全部版块
我的主页
收藏
我@epoh老师了，他说忙，没时间看啊
