Отрывок: pred = wine[, wine.pred.names] set .seed(1) train=sample(1:nrow(wine.pred), nrow(wine.pred)/2) test=(-train) x = model.matrix(~., wine.pred[train, ]) [, -1] y = wine$quality[train] x. test = model.matrix(~., wine.pred[test, ]) [, -1] y. test = wine$quality[test] Матрицу значений предикторов для обучающей выборки мы будем хранить в переменной x, а отклик в переменной y. Для контрольной выборки мы используем переменные x.test и y.test. Регрессионную МНК-модель можно п...
Название : | Сравнение методов Ридж-регрессии и LASSO в задачах обработки данных |
Авторы/Редакторы : | Мелкумова, Л.Э. Шатских, С.Я. |
Ключевые слова : | линейная регрессия Ридж-регрессия LASSO кросс-валидация |
Дата публикации : | 2017 |
Издательство : | Новая техника |
Библиографическое описание : | Мелкумова Л.Э. Сравнение методов Ридж-регрессии и LASSO в задачах обработки данных / Л.Э. Мелкумова, С.Я. Шатских // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С.1748-1755. |
Аннотация : | Работа посвящена сравнению методов линейной регрессии Ридж и LASSO. Преимущества каждого из этих методов рассматриваются на примерах тестовых данных с вычислениями в пакете R. |
URI (Унифицированный идентификатор ресурса) : | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Sravnenie-metodov-Ridzhregressii-i-LASSO-v-zadachah-obrabotki-dannyh-64145 |
Другие идентификаторы : | Dspace\SGAU\20170523\64145 |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper 315_1748-1755.pdf | Основная статья. Раздел: Наука о данных | 1.08 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.