मैं वर्तमान में ~ 300 चर और 800 टिप्पणियों के साथ एक डेटासेट पर एक द्विआधारी परिणाम के लिए एक भविष्य कहनेवाला मॉडल बनाने पर काम कर रहा हूं। मैंने इस साइट पर स्टेप वाइज रिग्रेशन से जुड़ी समस्याओं के बारे में बहुत कुछ पढ़ा है और इसका उपयोग क्यों नहीं किया है।
मैं LASSO प्रतिगमन और फीचर चयन के लिए अपनी क्षमता में पढ़ रहा हूं और "कैरेट" पैकेज और "ग्लमेनेट" के उपयोग के साथ इसे लागू करने में सफल रहा हूं।
मैं मॉडल के गुणांक को इष्टतम lambda
और alpha
"कैरेट" से निकालने में सक्षम हूं ; हालांकि, मैं गुणांक की व्याख्या करने के बारे में अपरिचित हूं।
- क्या LASSO गुणांकों की व्याख्या लॉजिस्टिक रिग्रेशन के समान तरीके से की जाती है?
- क्या लॉजिस्टिक लॉजिस्टिक में LASSO से चयनित सुविधाओं का उपयोग करना उचित होगा?
संपादित करें
गुणांक की व्याख्या, LASSO प्रतिगमन से घातांक गुणांक के रूप में, जब अन्य सभी गुणांक को स्थिर रखते हुए गुणांक में 1 इकाई परिवर्तन के लिए लॉग ऑड होता है।