lasso算法matlab代码

以下是使用Lasso算法进行线性回归的MATLAB代码示例：

% 生成样本数据
n = 100; % 样本数量
p = 10; % 特征数量
X = randn(n, p); % 生成随机特征矩阵
beta = randn(p, 1); % 生成随机真实参数向量
y = X * beta + randn(n, 1); % 生成随机响应变量

% 使用Lasso算法进行线性回归
[B, FitInfo] = lasso(X, y, 'Lambda', 0.1); % 设置L1正则化系数Lambda为0.1
lassoPlot(B, FitInfo, 'PlotType', 'Lambda', 'XScale', 'log'); % 绘制正则化路径图
lassoPlot(B, FitInfo, 'PlotType', 'CV'); % 绘制交叉验证误差图
bestIdx = FitInfo.IndexMinMSE; % 找到交叉验证误差最小的模型索引
bestB = B(:, bestIdx); % 获取最佳模型的参数向量

上述代码中，使用`randn`函数生成随机数据，然后调用`lasso`函数进行线性回归，其中通过设置`'Lambda'`参数控制L1正则化系数的大小。最后，通过`lassoPlot`函数绘制正则化路径图和交叉验证误差图，以及通过`FitInfo`结构体获取最佳模型的参数向量。