matlab LASSO函数

Lasso（Least Absolute Shrinkage and Selection Operator）回归是一种线性回归方法，它通过引入L1正则化（稀疏性约束）来提高模型的可解释性。在MATLAB中，可以使用lasso函数来实现Lasso回归分析。

下面是一个使用lasso函数进行Lasso回归分析的示例代码：

clc
close all 
clear

% 加载示例数据集
load('fisheriris.mat', 'meas', 'species');

% 将花瓣长度和宽度作为自变量，花萼长度和宽度作为因变量
X = meas(:, 3:4);
y = grp2idx(species);

% 进行 Lasso 回归分析
[B, FitInfo] = lasso(X, y, 'CV', 5);

% 绘制 Lasso 路径
figure(1)
lassoPlot(B, FitInfo, 'PlotType', 'Lambda', 'XScale', 'log');
set(gca,'FontSize',12,'Fontname', 'Times New Roman');

% 选择最优模型
idx = FitInfo.Index1SE;
coef = B(:, idx);
intercept = FitInfo.Intercept(idx);

% 预测结果
yhat = X * coef + intercept;
yhat = round(yhat);

% 计算预测准确率
acc = sum(yhat == y) / length(y);

disp(['预测准确率为 ', num2str(acc)]);

这段代码首先加载了名为fisheriris的示例数据集，然后将花瓣长度和宽度作为自变量，花萼长度和宽度作为因变量。接下来，使用lasso函数进行Lasso回归分析，并使用交叉验证（CV）来选择最优模型。然后，绘制了Lasso路径，并选择了最优模型的系数和截距。最后，使用选择的模型进行预测，并计算预测准确率。