附件是Lars算法的源程序,欢迎大家发表看法!

看了下larfuncs.R
R的确只给出beta
没给出 the optimal parameters.
底下是R给出的Standardized Coefficients
library(lars)
data(diabetes)
attach(diabetes)
object <- lars(x,y,type="lar")
object$beta
> object$beta

        age           sex           bmi             map          tc
0    0.00000    0.00000   0.00000     0.00000    0.0000
1    0.00000    0.00000  60.11927    0.00000    0.0000
2    0.00000    0.00000 361.89461   0.00000    0.0000
3    0.00000    0.00000 434.75796  79.23645    0.0000
4    0.00000    0.00000 505.65956 191.26988    0.0000
5    0.00000  -74.91651 511.34807 234.15462    0.0000
6    0.00000 -111.97855 512.04409 252.52702    0.0000
7    0.00000 -197.75650 522.26485 297.15974 -103.9462
8    0.00000 -226.13366 526.88547 314.38927 -195.1058
9    0.00000 -227.17580 526.39059 314.95047 -237.3410
10 -10.01220 -239.81909 519.83979 324.39043 -792.1842
         ldl             hdl         tch          ltg           glu
0    0.00000    0.0000   0.0000   0.0000  0.00000
1    0.00000    0.0000   0.0000   0.0000  0.00000
2    0.00000    0.0000   0.0000 301.7753  0.00000
3    0.00000    0.0000   0.0000 374.9158  0.00000
4    0.00000 -114.1010   0.0000 439.6649  0.00000
5    0.00000 -169.7114   0.0000 450.6674  0.00000
6    0.00000 -196.0454   0.0000 452.3927 12.07815
7    0.00000 -223.9260   0.0000 514.7495 54.76768
8    0.00000 -152.4773 106.3428 529.9160 64.48742
9   33.62827 -134.5994 111.3841 545.4826 64.60667
10 476.74584  101.0446 177.0642 751.2793 67.62539
attr(,"scaled:scale")
[1] 1 1 1 1 1 1 1 1 1 1

而在matlab有个function crossvalidate.m
可以先决定the optimal model position,
再给出the optimal parameters.

0        0        387.848704760852        28.2242051247325        0       
0        0        0                             327.828155470971        0

他只是给出了解得路径,具体选择参数好像要看选定的准则,在从这些coefficient 中选一个最好的,也可以参考glmnet()这个函数,他们有些类似.想了好长时间也没想明白,希望大家给点建议!

纯粹帮顶！！

帮顶，我也想知道答案