、用R语言模拟一个六元线性回归模型=β+，i=1...n，其中服从标准正态分布的六维随机数，β=（2,3,0,0,0,3），~N（0,0,）.
1.分别用逐步回归法和和Lars方法做n=50，100,200时的变量选择，列表显示正确选择，欠拟合和过度拟合的比例，并分析得到的结果。
这是题目，各位大大们n=50;
   loop=100;
   Correct=numeric(loop);
   Overfit=numeric(loop);
   Underfit=numeric(loop);
      for (i in 1:loop)      
     
        x1<-matrix(rnorm(n,0,1),n,1);
        x2<-matrix(rnorm(n,0,1),n,1);
        x3<-matrix(rnorm(n,0,1),n,1);
        x4<-matrix(rnorm(n,0,1),n,1);
        x5<-matrix(rnorm(n,0,1),n,1);
        x6<-matrix(rnorm(n,0,1),n,1);      
        y=rnorm(n,0,0.01)+2*x1+3*x2+3*x6;
        fm=lm(y~x1+x2+x3+x4+x5+x6)
        x=data.frame(x1,x2,x3,x4,x5,x6)
        xx=as.matrix(x)
        library(lars)        
        object <- lars(xx,y,"lar")
小弟初学R语言，写到这里就写不下去了，后面的判断条件什么的我都不清楚，希望大大们能帮看看
这里有份lasso的范例，n=50;
   loop=100;
   Correct=numeric(loop);
   Overfit=numeric(loop);
   Underfit=numeric(loop);
      for (i in 1:loop)      
     
        x1<-matrix(rnorm(n,0,1),n,1);
        x2<-matrix(rnorm(n,0,1),n,1);
        x3<-matrix(rnorm(n,0,1),n,1);
        x4<-matrix(rnorm(n,0,1),n,1);
        x5<-matrix(rnorm(n,0,1),n,1);
        x6<-matrix(rnorm(n,0,1),n,1);
      
        y=2*x1+3*x2+3*x6+rnorm(n,0,0.01);
        fm=lm(y~x1+x2+x3+x4+x5+x6)
        x=data.frame(x1,x2,x3,x4,x5,x6)
        xx=as.matrix(x);
        y=c(y);
        library(msgps)  
        al=msgps(xx,y,penalty="alasso",gamma=1,lambda=0);
        a2=coef(al);a2
        a3=a2[,4];a3;a3[2]
        a4=a3[c(4,5,6)];a4
        b=c(2,3,0,0,0,3);      

       if (a3[2]!=0&&a3[3]!=0&&a3[7]!=0&&sum(a4^2)==0)
        {
           Correct[i]=1;
        }else
           {Correct[i]=0;

       }

      
        if (a3[2]!=0&&a3[3]!=0&&a3[7]!=0&&sum(a4^2)!=0)
        {
           Overfit[i]=1;
        }else
           {Overfit[i]=0;

       }


        if (a3[2]==0|a3[3]==0|a3[7]==0)
        {
           Underfit[i]=1;
        }else
           {Underfit[i]=0;

       }}
     correct=mean(Correct)
    overfit=mean(Overfit)
    underfit=mean(Underfit)
data.frame(correct, overfit, underfit)
但是老师要求我们用lars