您当前的位置：
首页 > 文献资料
所属专业：
L2正则化文献资料
-
惩罚logistic回归方法在SNPs数据变量筛选研究中的应用
目的 比较L1正则化、L2正则化和弹性网三种惩罚logistic回归对SNPs数据的变量筛选能力. 方法 根据所设置的参数生成不同条件的SNPs仿真数据,利用正确率、错误率和正确指数从三个方面评价三种惩罚logistic回归的变量筛选能力. 结果 正确率表现为L2正则化惩罚logistic回归＞弹性网惩罚logistic回归＞L1正则化惩罚logistic回归;错误率表现为L2正则化惩罚logistic回归＞弹性网惩罚logistic回归＞L1正则化惩罚logistic回归;正确指数则表现为弹性网惩罚logistic回归＞L1正则化惩罚logistic回归＞L2正则化惩罚logistic回归. 结论 综合来看弹性网的筛选能力更优,弹性网融合L1、L2两种正则化的思想,在高维数据分析中既能保证模型的稀疏性,便于结果的解释,又解决了具有相关性自变量不能同时进入模型的问题.
关键词： 惩罚logistic回归 L1正则化 L2正则化 弹性网 正确指数
