Lasso特征筛选R语言代码

在R语言中，Lasso（Least Absolute Shrinkage and Selection Operator）是一种用于线性回归模型的正则化技术，它可以同时进行变量选择和系数估计。以下是使用`glmnet`包进行Lasso特征筛选的基本步骤：

# 首先安装并加载必要的包
install.packages("glmnet")
library(glmnet)

# 假设你有一个数据框df，其中X是特征矩阵，y是目标变量
data <- df[, ncol(df)]

# 使用Lasso回归
lasso_model <- glmnet(data = data, x = target, family = "binomial")

# 查看各个lambda下的系数和特征的重要性
plot(lasso_model, xvar = "lambda", type = "c")  # 孙图展示系数的变化
coef(lasso_model)                            # 获取系数

# 确定最佳的lambda值，这通常基于交叉验证或某个指标（比如AIC或BIC）
best_lambda <- lambda.min(lasso_model)
lasso_best_model <- predict(lasso_model, s = best_lambda, type = "coefficients") 

# 这些非零的系数对应的特征就是选择了的特征
selected_features <- names(which(coef(lasso_best_model) != 0))