1.首先 对Predictors进行标准化,目的是为了去除不同尺度的影响;接着对Target Variable进行中心化目的是为了去除截距项的影响。在刚开始时,所有系数都设为0,残差 r 等于中心化后的Target Variable
找出和残差r相关度最高的变量X_j
将X_j的系数Beta_j 从0开始沿着LSE的方向变化,直到出现某个新的变量X_k与残差r的相关性大于X_j时
X_j和X_k的系数Beta_j和Beta_k,一起沿着新的LSE(加入了新变量X_k的最小二乘估计)的方向移动,直到有新的变量被选入
重复2,3,4,直到所有变量被选入,最后得到的估计就是普通线性回归的OLS。
上述内容就是最小角回归的执行步骤,我们可以将其作为参考进行应用。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。