Ich möchte ein multivariates Regressionsmodell in SAS mit Regularisierung erstellen. Das Modell kann linear oder nicht linear sein, aber ich möchte sicherstellen, dass die Koeffizienten klein und positiv sind. Wie kann ich es tun? Beispielcode würde geschätzt werden.SAS parametrisches Modell mit Regularisierung
Antwort
Ich bin nicht ganz sicher, was kleine Koeffizienten in Ihrem Fall ausmacht, aber proc qlim
ermöglicht sowohl einfache als auch komplexe Koeffizientenbeschränkungen. Nehmen wir an, Sie wollen ein Modell, dessen Koeffizienten zwischen -1 und 1 liegen. bounds
ist eine einfache Lösung für dieses Problem.
proc qlim data=sashelp.cars;
model horsepower = cylinders mpg_city;
bounds -1 <= cylinders <= 1
, -1 <= mpg_city <= 1
;
run;
Das Modell konvergiert und gibt uns eine Antwort. Sie können auch eine komplexere Einschränkung mit der restrict
-Anweisung ausführen.
proc qlim data=sashelp.cars;
model horsepower = cylinders mpg_city;
restrict mpg_city + cylinders <= 1
;
run;
Auch weitere Komplexität in Einschränkungen, wie nichtlineare, wird proc model
erfordern.
proc model data=sashelp.cars;
endo horsepower;
exo cylinders mpg_city;
horsepower = b0 + b1*cylinders + b2*mpg_city;
restrict b1/b2 >= 0;
fit;
run;
proc model
ist eines der flexibelsten Regressionsverfahren. Daher erfordert es viel manuelle Eingabe. Mit proc model
müssen Sie Ihre abhängigen unabhängigen Variablen & deklarieren und jeden Parameter eingeben. Es kann automatisch Parametervariablen bestimmen, solange Sie Ihre abhängigen/unabhängigen Benutzer deklarieren.
- 1. Keras Modell/Layer Regularisierung Eigenschaft veraltet
- 2. Iteratives parametrisches Diagramm mit gnuplot
- 3. Kein parametrisches Konstruktorobjekt definiert
- 4. Bessere Verwendung der Regularisierung
- 5. Wie tune L2 Regularisierung
- 6. Numpy lineare Regression mit Regularisierung
- 7. Fehler in Regularisierung
- 8. Tensorflow LSTM Regularisierung
- 9. Polytomous RASH-Modell in R oder SAS
- 10. Regularisierung in TensorFlow Verwendung tf.contrib.layers.fully_connected
- 11. Regularisierung für LSTM in Tensorflow
- 12. Orthogonalität Regularisierung Strafe für Gradientenmethoden?
- 13. Python Pandas Zeitreihe Interpolation und Regularisierung
- 14. L2 Regularisierung in Caffe, Umwandlung von Lasagne
- 15. Konvergenz und Regularisierung in linearen Regressionsklassifizierer
- 16. TensorFlow: Hinzufügen von Regularisierung zu LSTM
- 17. So exportieren Sie eine Formel aus einem SAS-Modell
- 18. SAS-Proc. MI SAS-Ausgabe
- 19. Wie genau L1 Regularisierung hinzufügen Fehlerfunktion
- 20. SAS
- 21. matplotlib ein Array in ein parametrisches Diagramm drehen
- 22. Warum nicht Regularisierung Begriff statt Sparse Begriff in Autoencoder?
- 23. SAS: Wie obs mit der Bedingung
- 24. SaS-Szenario-Generierung
- 25. SAS-Cfg-Datei im SAS-Programm angeben
- 26. SAS kann ich sas Prozessbeobachtungen rückwärts
- 27. Parse Json-Datei mit SAS
- 28. Wie die Akkumulation mit sas
- 29. XML-Datenstreaming mit SAS-Webdienst
- 30. SAS verschachtelt Schleifen mit Arrays
Dies ist sehr hilfreich! Bei kleinen Koeffizienten würde ich lieber keine harte Einschränkung angeben. Was ich im Sinn hatte, war eine Art Regularisierung, z.B. um das mittlere Quadrat der Koeffizienten zum Modellfehler hinzuzufügen. Gibt es eine Möglichkeit, dies in den oben genannten Modellen zu tun? –