套索正则化
本例通过查看数据集并识别人群中糖尿病的预测因子，演示了如何使用套索进行特征选择。该数据集包含10个预测值。我们的目标是确定重要的预测因素，并丢弃那些不必要的预测因素。
查看全套数据和功能为了这次演示。
文件名='diabetes.txt'；urlwrite('http://www.stanford.edu/~Hastine/Papers/LARS/diabetes.数据'，文件名）；
保存文件后，可以使用导入工具使用默认选项。或者，您可以使用以下代码，这些代码可以从导入工具自动生成：
格式规范=“%f%f%f%f%f%f%f%f%f%f%f%f%[^\n\r]'；fileID=fopen（文件名，“r”)；dataArray=textscan（文件ID、格式规范、，“分隔符”,“\t”,“头线”1.“返回者”，false）；fclose（fileID）；diabetes=table（数据数组{1:end-1}，“变化无常”, {“年龄”,“性”,“体重指数”,“英国石油”,“S1”,“S2”,“S3”,“S4”,“S5”,‘中六’,“是的”}); clearvars文件名分隔符斯塔特罗格式规范文件ID数据阵列ans;%删除该文件删去糖尿病.txt
predNames=diabetes.Properties.VariableNames（1:end-1）；X=糖尿病{，1:end-1}；y=糖尿病{，结束}；
[beta，FitInfo]=套索（X，y，“标准化”符合事实的“CV”,10,“预测器名称”，姓名）；lassoPlot（测试版、FitInfo、，“打印类型”,“拉姆达”,“XScale”,“日志”)；hlplot=get（gca，“儿童”);%为绘图中的每一行生成颜色颜色=hsv（numel（hlplot））；对于ii=1:numel（hlplot）集合（hlplot（ii），“颜色”，颜色（二，：）；终止设置（hlplot，“线宽”，2）设置（gcf，“单位”,“正常化”,“位置”，[0.2 0.4 0.5 0.35]）图例(“位置”,“最好的”)
较大的lambda值出现在图的左侧，这意味着正则化增加。随着lambda值的增加，非零预测器的数量也增加。
根据经验，通常使用一个标准误差值来选择适合的较小模型。
lam=FitInfo.Index1SE；isImportant=beta（：，lam）~=0；disp（predNames（isImportant））
“BMI”“BP”“S3”“S5”
mdlFull=fitlm（X，y，“拦截”，false）；显示（mdlFull）
线性回归模型：y~x1+x2+x3+x4+x5+x6+x7+x8+x9+x10估计系数：估计SETstat pValue x1 0.022296 0.22256 0.10018 0.92025 x2-26.073 5.9561-4.3775 1.5074e-05 x3 5.3537 0.73462 7.2877 X71.5112e-12 x4 1.0178 0.2304.4175 1.2635e-05 X51.2636 0.33044 3.8239 0.5068 X60-283451-0.49.0683 0.37189-8.2505 1.9259e-15 x8-5.508 5.5883-0.98565 0.32486 x9 5.5034 9.4293 0.58365 0.55976 x10.12339 0.2788 0.44256 0.6583观测次数：442，误差自由度：432均方根误差：55.6
比较正则化和非正则化模型的MSE。
disp(['套索MSE:'，num2str（FitInfo.MSE（lam））]））disp(['完整MSE:'，num2str（mdlFull.MSE）]）
套索均方误差：3176.5163全均方误差：3092.896
仅使用lasso确定的重要预测值进行拟合的均方误差（MSE）与使用所有预测值的线性模型的误差非常接近。lasso通常用于防止过度拟合或删除冗余预测值以提高模型精度。
