lasso-logistic程序示例.docx

以北京市居民对传统食品的喜爱程度为因变量，取值 1-5，分别为非常不喜爱、不喜爱、

一般、喜爱、非常喜爱。影响因变量取值的有 16 个解释变量，X1-X16，分别代表：购买的

便捷性、食品的安全性、知名度、网络营销、社交需求、价格、包装、从众的消费心理

（社会主流影响）、添加剂、口味、对于传统食品的情怀、身边人（对北京传统食品的）

态度、职业、月收入、性别、年龄。数据集共有 606 条观测。

程序示例

> library(readxl)

> tradional <- read_excel("C:/Users/acer/Desktop/2019 大创/tradional.xlsx")

Loaded lars 1.2

> lar1<-lars(x,y,type = "lasso")

> lar1

#Call:

lars(x = x, y = y, type = "lasso")

R-squared: 0.486

Sequence of LASSO moves:

> set.seed(1)

> train<-sample(1:nrow(x),nrow(x)/2)

> test<-(-train)

> lasso.mod<-glmnet(x[train,],y[train],alpha = 1,lambda = grid)

> plot(lasso.mod,main="The lasso")

> set.seed(1)

> cv.out<-cv.glmnet(x[train,],y[train],alpha=1)

> plot(cv.out)

> bestlam<-cv.out$lambda.min

> lasso.pred<-predict(lasso.mod,s=bestlam,newx=x[test,])

> mean((lasso.pred-y.test)^2)

[1] 0.9086756

> out<-glmnet(x,y,alpha = 1,lambda = grid)