Ridge, lasso a elastic net (penalizovaná regrese (penalized regression))

Stručně

Číslo se předpovídá z mnoha prediktorů, aniž by se model přeučil na náhodné rysy výběru: penalizace stahuje koeficienty k nule (ridge) nebo nastaví nedůležité přesně na nulu (lasso); elastic net obojí kombinuje. Volí se pod „Další volby“ → „Model“ v otázce „Lze něco předpovědět?“, pro všechny obory.

K čemu to slouží

Pro dobré predikce, když je prediktorů mnoho vzhledem k případům nebo když jsou těsně svázané. Ne pro testování jednotlivých efektů: po výběru nejsou žádné hodnoty p.

Požadavky

• Cíl: číslo s více než dvěma hodnotami; alespoň tři prediktory (počítají se pomocné sloupce skupin, nejvýše 500); alespoň 25 případů. Prediktorů smí být více než případů (jen predikce).
• Mezery: jen úplné případy. Sloupce se všude stejnou hodnotou se vynechají a pojmenují.
• Penalizovaná regrese (penalized regression) nefunguje s váhou případu: totožné případy by byly současně v trénovací i testovací části křížové validace.

Čtení výsledku

• Křížová validace 5 × 10 vybere sílu penalizace (λ): 5 opakování s jiným rozdělením (od 50 případů 10 podmnožin, pod tímto počtem 5); měřítkem chyby je střední kvadratická chyba na případech, které při proložení chyběly. Výchozí je pravidlo jedné standardní chyby: nejjednodušší model, jehož chyba leží ještě v rozmezí kolísání nejlepšího. Lze zvolit nejmenší chybu.
• Tabulka: koeficient v původní škále, standardizovaný koeficient (srovnatelný mezi prediktory), zda je prediktor v modelu a v kolika opakováních byl vybrán. To, že byl prediktor vybrán, neznamená, že je důležitý.
• Grafy: křivka chyby oproti log λ (se standardní chybou, λ min a λ 1se, nahoře počet prediktorů v modelu) a dráha standardizovaných koeficientů.
• Žádné hodnoty p a žádné intervaly spolehlivosti: výběr a odhad pocházejí ze stejných dat; obyčejné testy a intervaly by byly příliš optimistické. Tlačítko „spočítat obyčejně s vybranými prediktory“ záměrně neexistuje.
• Výběr úrovně skupiny (group level) závisí na tom, která skupina slouží jako reference. Hodnoty λ jsou srovnatelné jen v rámci glmnet.

Uvedení výsledku

Lasso (α = 1), λ = 0,417 (pravidlo jedné standardní chyby), křížová validace 5 × 10, MSE = 4,83 (SE = 0,53); 4 z 10 prediktorů v modelu

V textu uveďte druh penalizace, pravidlo pro λ, chybu křížové validace a slovo „predikce“ - ne „efekt“.