求教大神MATLAB的lasso函数怎么用，CV曲线图怎么画出来？

Alpha： 即α得值，当为 0，表示Lasso为岭回归，这时它当然不是Lasso了，而是和Lasso相似的岭回归计算法悉圆，当该值为 1（默认值），则此程序为 Lasso，若为0~1之间，表示是 elastic net算法，也是与 岭回归和Lasso相似而不同的算法。

CV:为 交叉验证的设置。用于估计最佳的λ的值。 默认为“resubstitution”,这个我没有研究，而迟陆困是使用了较为广泛的 K折交叉验证，一般 赋值 k =5或10，就是 5折交叉验证或10折交叉验证。

DFmax：返回拟合式中 非零系数的数量。

Lambda：这个就是Lasso活着岭回归活着elastic net中的参数λ的值，如果使用交叉验证，会使用交叉验证选择一个最优λ，如果默，则由系统根据计算公式默认赋值一个λ的最大值，关于最大值计算公式，在Lasso程序中有说明，或者你也可以指定λ的值。在确定该最大值后，还需要和Lambdaratio 和 Numlambda 确定λ的取值。

Lambdaratio λ的取值比例，它和Lambda构成λ的取值范码念围区间。

Numlambda λ的取值数量。Lambda确定λ的最大值，比如a，Lambdaratio确定λ最小值与最大值的比率，如Lambdaratio为0.01，那么λ的取值区间即为0.01*a~a，而Numlambda则确定改区间取多少个λ，从而最终确定了λ的取值。

Reltol 坐标下降法的阈值。坐标下降法是求解elastic net的常用方法，这是该方法的一个参数。

Standardize：布尔值。是否对Lasso进行缩放。一般设置为 true，即 进行缩放。

输出参数：

Intercept：截距，就是线性方程中的常数项

lambda：列出使用的λ的值，升序排列，而且后面的参数的顺序与这个λ对应

alpha：α值

MSE：均方误差

DF

Fitinfo中的字段：

在使用CV交叉验证后，可以输出本字段中的结果，内容和上面的差不多，先不描述了，大家想了解的话我再加。

lasso的意思如下：

LASSO是由1996年Robert Tibshirani首次提出，全称Least absolute shrinkage and selection operator。该方法是一种压缩估计。它通过构造一个惩罚函数得到一个较为精炼的模型，使得它压缩一些回归系数，即强制系数绝对值之和小于轿罩某个固定值；同时设定一些回归系数为零。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。

学lasso数学的好处：

1、数学是一切再教育的基础，数学闭咐闹是培养逻辑思维重要渠道，不要只看眼前，往长的想，数学是所有学科的灵魂。

2、数学是一切科学的基础，一切重大科技进展无不以数学息息相关。没有了数简轿学就没有电脑、电视、航天飞机，就没有今天这么丰富多彩的生活。

3、数学是一种工具学科，是学习其他学科的基础，同时还是提高人的判断能力、分析能力、理解能力的学科。

4、数学不仅是一门科学，而且是一种普遍适用的技术。它是科学的大门和钥匙，学数学是令自己变得理性的一个很重要的措施，数学本身也有自身的乐趣。

使用数理统计模型从海量数据中有效挖掘信息越来越受到业界关注。在建立模型之初，为了尽量尘改败减小因缺少重要自变量而出现的模型偏差，通常会选择尽可能多的自变量。然而，建模过程需要寻找对因变量最具有强解释力的自变量集合，也就是通过自变量选择(指标选择、字段选择)来提高模型的解释性和预测精度。指标选择在统计建模过程中是极其重要的问题。Lasso算法则是一种能够实现指标集合精简的估计方法。

Tibshirani(1996)提出了Lasso(The Least Absolute Shrinkage and Selectionator operator)算法。这种算法通过构造一个惩罚函数获得一个精炼的模型；通过最终确定一些指标的系数为零，LASSO算法实现了指标集合精简的目的。这是一种处理具有复共线性数据的有偏估计。Lasso的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于0的回归系数，得到解释力较强的模型。R统计软件的Lars算法的软件包提供了Lasso算法。根据模型改进的需要，数据挖掘工作者可以借助于Lasso算法，利用AIC准歼漏则和BIC准则精炼派颤简化统计模型的变量集合，达到降维的目的。因此，Lasso算法是可以应用到数据挖掘中的实用算法。

---