Warning: file_get_contents(/data/phpspider/zhask/data//catemap/9/csharp-4.0/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
岭回归与SAS?_Sas_Regression_Logistic Regression - Fatal编程技术网

岭回归与SAS?

岭回归与SAS?,sas,regression,logistic-regression,Sas,Regression,Logistic Regression,在SAS中,如何使用岭回归进行逻辑回归优化?根据评论,这应该已经通过PROC HPGENSELECT在SAS中实现。但是怎么做呢 我是SAS的新手,来自R世界。我有点迷失方向,在SAS中很难找到R类似物 只有PROC HPGENSELECT上的套索选项可用。默认优化例程在需要时使用。我找不到允许您控制起垄的选项 proc hpgenselect data=blah lassorho=2 lassosteps=100 ; <other stuff> model <model sp

在SAS中,如何使用岭回归进行逻辑回归优化?根据评论,这应该已经通过PROC HPGENSELECT在SAS中实现。但是怎么做呢


我是SAS的新手,来自R世界。我有点迷失方向,在SAS中很难找到R类似物

只有
PROC HPGENSELECT
上的套索选项可用。默认优化例程在需要时使用。我找不到允许您控制起垄的选项

proc hpgenselect data=blah lassorho=2 lassosteps=100 ;
<other stuff>
model <model specification>;
<other stuff>
run;
proc hpgenselect data=blah lassorho=2 lassosteps=100;
模型
跑

只有
PROC HPGENSELECT
上的套索选项可用。默认优化例程在需要时使用。我找不到允许您控制起垄的选项

proc hpgenselect data=blah lassorho=2 lassosteps=100 ;
<other stuff>
model <model specification>;
<other stuff>
run;
proc hpgenselect data=blah lassorho=2 lassosteps=100;
模型
跑

在SAS软件系列中,没有直接涉及此问题所涉及的岭回归的程序。岭=优化例程上的选项不是岭回归。您可以访问lexjansen.com来搜索岭回归。有一些已发布的程序可以系统地执行您想要的操作,包括Base和IML,但根据您的自定义需求,IML并不一定是必需的

在SAS软件系列中,没有直接涵盖此问题所涉及的岭回归的程序。岭=优化例程上的选项不是岭回归。您可以访问lexjansen.com来搜索岭回归。有一些已发布的程序可以系统地执行您想要的操作,包括Base和IML,但根据您的自定义需求,IML并不一定是必需的

我不确定我是否理解。与基于增加L1惩罚的Lasso不同,岭回归增加了要最小化的L2范数的倍数,其中倍数可以由分析员调整。从您的回答或文档中,我不清楚哪个参数控制此多次调谐。我从你的回答中得知,你声称lassorho=2意味着我们增加了L2处罚?对不起,没有。我误解了,我的回答基于你引用的SAS博客。让我进一步看看是否有办法指定该参数。根据更仔细的阅读(对不起),只有套索方法可用。默认优化使用脊线方法分解hessian曲线。你可以读到它。将更新答案。这是一个遗憾,因为这是一个分析师的基本程序。我正在尝试,但很难欣赏SAS。顺便说一句,我不认为他们使用牛顿·拉斐逊(Newton Raphson)与脊线回归有任何直接关系。我认为这只是他们快速而有力地计算最大可能性的方法。我不确定我是否理解。与基于增加L1惩罚的Lasso不同,岭回归增加了要最小化的L2范数的倍数,其中倍数可以由分析员调整。从您的回答或文档中,我不清楚哪个参数控制此多次调谐。我从你的回答中得知,你声称lassorho=2意味着我们增加了L2处罚?对不起,没有。我误解了,我的回答基于你引用的SAS博客。让我进一步看看是否有办法指定该参数。根据更仔细的阅读(对不起),只有套索方法可用。默认优化使用脊线方法分解hessian曲线。你可以读到它。将更新答案。这是一个遗憾,因为这是一个分析师的基本程序。我正在尝试,但很难欣赏SAS。顺便说一句,我不认为他们使用牛顿·拉斐逊(Newton Raphson)与脊线回归有任何直接关系。我认为这只是他们快速、稳健地计算最大似然的方法。我最后一次查看时,只有(在SAS中)Proc REG有能力执行岭回归。我最后一次查看时,只有(在SAS中)Proc REG有能力执行岭回归。