LASSO 회귀 계수의 해석

현재 ~ 300 개의 변수와 800 개의 관측치가있는 데이터 세트에서 이진 결과에 대한 예측 모델을 작성 중입니다. 이 사이트에서 단계별 회귀와 관련된 문제와 사용하지 않는 이유에 대해 많이 읽었습니다.

저는 LASSO 회귀와 기능 선택 기능을 읽고 "캐럿"패키지 및 "glmnet"을 사용하여 구현에 성공했습니다.

나는 최적으로 모델의 계수를 추출 할 수 있어요 lambda및 alpha"캐럿"에서를; 그러나 계수를 해석하는 방법에 익숙하지 않습니다.

• LASSO 계수는 로지스틱 회귀와 같은 방법으로 해석됩니까?
• 로지스틱 회귀 분석에서 LASSO에서 선택한 기능을 사용하는 것이 적절합니까?

편집하다

다른 모든 계수를 일정하게 유지하면서 계수의 1 단위 변화에 대한 로그 확률로 LASSO 회귀로부터의 지수 계수에서와 같이 계수의 해석.

https://stats.idre.ucla.edu/other/mult-pkg/faq/general/faq-how-do-i-interpret-odds-ratios-in-logistic-regression/

LASSO 계수는 로지스틱 회귀와 같은 방법으로 해석됩니까?

다시 말해서 : LASSO 계수 는 로지스틱 회귀 분석에서 OLS 최대 우도 계수 와 같은 방식으로 해석 됩니까?

LASSO (벌칙 추정 방법) 는 OLS 최대 가능성 (벌칙 없음 )과 동일한 수량 (모델 계수) 을 추정하는 것을 목표로합니다 . 모델은 동일하며 해석은 동일하게 유지됩니다. LASSO의 수치는 일반적으로 OLS 최대 가능성 과는 다릅니다 . 일부는 0에 가까울 것이고, 다른 것은 정확히 0입니다. 상당한 양의 벌칙이 적용된 경우 LASSO 추정치는 OLS 최대 가능성 추정치 보다 실제 값에 더 가깝게되어 바람직한 결과입니다.

로지스틱 회귀 분석에서 LASSO에서 선택한 기능을 사용하는 것이 적절합니까?

그것의 본질적인 문제는 없지만, 특징 선택뿐만 아니라 계수 추정에도 LASSO를 사용할 수 있습니다. 위에서 언급했듯이 LASSO 추정치는 OLS 최대 가능성 추정치 보다 정확할 수 있습니다 .