我在matlab里用多个自变量进行弹性网回归，弹性网最后筛选掉了一些因素，剩下了部分的自变量。我选取MSE最小时的各因素的系数，但是要怎么看这个时候各个因素的系数的显著性呢？要怎么计算P值？
弹性网回归后，选取最小均方误差时的各个因素的系数，但是这些因素是否显著,P值应该怎么计算
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
- 2022-10-28 17:15胖墩会武术的博客 scikit-learn（sklearn）是基于Python的机器学习库，建立在NumPy、SciPy等科学计算库之上，提供简洁的API接口，适合机器学习初学者。sklearn包含六大任务模块（分类、回归、聚类、降维、模型选择、预处理）和数据集...
- 2025-02-07 10:39行然梦实的博客 弹性网回归算法，python
- 2023-08-23 20:43JiqunZhang&191cm的博客 最小二乘法 极大似然估计的思想 编辑编辑 概率：已知分布参数-对分布参数进行估计 概率描述的是结果;似然描述的是假设/模型编辑 ...似然：已知观测结果-对分布...线性回归的正则化改进（岭回归、Lasso、弹性网络
- 2021-10-28 18:14WGS.的博客 文章目录前言一元线性回归多元线性回归局部加权线性回归多项式回归Lasso回归 & Ridge回归Lasso回归Ridge回归岭回归和lasso回归的区别L1正则 & L2正则弹性网络回归贝叶斯岭回归Huber回归KNNSVMSVM最大间隔...
- 2020-12-19 17:20宣博的博客 特征重要性指的是根据输入特征在预测目标变量时的有用程度给它们打分的技术。计算特征重要性的方法很多，如统计上的相关系数，线性模型的相关系数、决策树和排列重要性分数。下面从以下几个方面介绍特征重要性：1 ...
- 2024-11-27 21:41宸码的博客 从19世纪最小二乘法的提出，到现代大数据和人工智能场景下的优化应用，线性回归的历程充满了创新与实践。本篇文章将带你全面剖析线性回归的基本概念、数学原理及实际应用案例，帮助读者深入理解其优势和局限性。同时...
- 2021-11-24 18:38hhhcbw的博客 在详细了解线性回归的所有知识点之前，我们先来了解一下线性回归的重要性。 理论层面的重要性 Linear Regression：是回归问题的基础 Logistic Regression：是分类问题的基础 可扩展性：使用基函数来解决非线性...
- 2024-10-27 23:50福葫芦的博客 一、回归算法思维导图二、算法原理和实例代码1、...1.2、算法原理线性回归算法的核心在于找到最佳的拟合直线，使得预测值与实际值之间的误差最小。这通常通过最小二乘法来实现，即最小化预测值与实际值之差的平方和。
- 2025-07-27 05:39omega的博客 本文深入探讨了在多重共线性严重影响模型稳定性时，岭回归作为经典正则化技术的应用策略。文章详细解析了岭回归通过L2惩罚项解决共线性问题的原理，重点阐述了超参数alpha的选择艺术、模型解释性的变化，并对比了...
- 2024-07-04 00:09光子AI的博客 在当今数字化时代，随着物联网（IoT）设备的普及和人工智能技术的快速发展，传统的云计算模式面临着诸多挑战。数据传输延迟、网络带宽压力、隐私安全concerns等问题日益突出。为了解决这些问题，边缘计算和端侧推理...
- 2022-10-08 11:01aifans_bert的博客 回归问题一般均方误差损失函数得到的函数值即为精度分类问题的话一种可以用交叉熵损失函数的函数值作为精度，另外也可以用分类的准确性作为精度值神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络。...
- 2024-06-27 01:03光子AI的博客 人工智能（Artificial Intelligence，AI）自诞生以来，一直是计算机科学领域的重要研究方向。早期的AI系统主要依赖于专家知识和规则库，通过逻辑推理和符号计算来解决问题。然而，这种基于规则的系统在处理复杂和...
- 2024-06-05 10:51Lins号丹的博客 介绍若干经典的回归模型，并用python的sklearn库实现
- 2025-06-11 02:59苏苏苏苏大霖的博客 同时介绍了前沿研究成果如自动机器学习（AutoML）、可解释性AI、边缘计算与联邦学习等，并通过实际案例展示了智能系统在各行业的广泛应用。最后提供了常用工具与框架的推荐，为读者全面了解智能系统领域提供了详尽...
- 2025-06-02 18:31MD Analysis的博客 当然，针对变量高度共线或对稳定性要求极高的场合，研究者也可进一步结合弹性网等方法进行优化。掌握并灵活应用Lasso回归，不仅有助于提升建模质量，也为精准医疗和个性化治疗方案的开发提供了强有力的技术支持。
- 2023-07-05 13:33算法小陈的博客 本文深入探讨了过拟合、欠拟合及其...我们通过实验验证了正则化（如岭回归、Lasso回归）在缓解过拟合和提高模型泛化能力上的有效性。总结来说，正则化是一种强大的工具，能帮助我们构建出在未知数据上表现良好的模型。
- 2024-01-09 17:47对许的博客 由于惩罚项是关于回归系数ω的绝对值之和，因此惩罚项在零点处是不可导的，导致其代价函数不是处处可导的，所以就没办法通过直接求导的方式来直接得到解析解ω，类似于应用在岭回归上的最小二乘法在此失效。...
- 2021-11-29 21:02桥苯环萘我老婆的博客 【机器学习】梯度下降、岭回归、Lasso回归等 0 简要复习线性回归（Linear Regression） 线性回归模型函数：y(x)=β0+β1∗x1+β2∗x2y(x) = \beta_0+ \beta_1*x_1+ \beta_2*x_2y(x)=β0+β1∗x1+β2∗x2 ...
- 2022-09-16 12:38神经网络技术宅的博客 6)计算W[S1][S0]，b[S1]；9))输出W1[S1][S0]，b1[S1]。三、总体算法1.三层BP网络(含输入层，隐含层，输出层)权值W、偏差b初始化总体算法(1)输入参数X[N][P]，S0，S1，f1[S1]，S2，f2[S2]；2.应用弹性BP算法(RPROP)...
- 2022-03-31 21:34TingXiao-Ul的博客 2.1.1批量梯度下降：每次迭代依据全体样本的误差结果更新回归系数 2.1.2随机梯度下降：每次迭代依据某个样本的误差结果更新回归系数 2.1.3小批量梯度下降：每次迭代依据部分样本的误差结果更新回归系数 2.2.1坐标...
- 没有解决我的问题, 去提问
