LASSO и адаптивный LASSO - это разные вещи, верно? (Для меня штрафы выглядят по-другому, но я просто проверяю, что я что-то упускаю.)
Когда вы вообще говорите об эластичной сетке, это особый случай LASSO или адаптивный LASSO?
Что делает пакет glmnet, если вы выберете alpha = 1?
Адаптивный LASSO работает в более мягких условиях, верно? Оба имеют свойство оракула в подходящих данных, верно?
lasso
glmnet
elastic-net
oracle
Мистер Валидация
источник
источник
Адаптивный LASSO используется для последовательного выбора переменных. Проблемы, с которыми мы сталкиваемся при использовании LASSO для выбора переменных:
Таким образом, LASSO согласуется только для выбора переменной при некоторых условиях по параметру усадки, параметрам (условие бета-минимума) и корреляциям (условие без представления). Смотрите страницы 101-106 моей магистерской диссертации для подробного объяснения.
LASSO часто включает слишком много переменных при выборе параметра настройки для прогнозирования, но истинная модель, скорее всего, является подмножеством этих переменных. Это предполагает использование вторичного этапа оценки, такого как адаптивный LASSO, который управляет смещением оценки LASSO с использованием параметра настройки оптимального прогнозирования. Это приводит к последовательному отбору (или свойству оракула) без условий, упомянутых выше.
Вы можете использовать glmnet для адаптивного LASSO. Сначала вам нужна начальная оценка, либо наименьших квадратов, гребня или даже оценки LASSO, чтобы рассчитать веса. Затем вы можете реализовать адаптивный LASSO, масштабируя X-матрицу. Вот пример, использующий начальные оценки методом наименьших квадратов по данным обучения:
источник