作者incessantgas (人生勝利組YA)
看板Statistics
標題[問題] LASSO Regression的另類用法
時間Wed Feb 9 01:17:58 2022
有個LASSO的問題想請教各位。
我的模型基本上是SEM架構，有5個大類別分別為X1, X2, X3, X4, X5，全部用來解釋Y，
也就是說，
Y = a0 + a1* X1 + a2*X2 + a3*X3 + a4*X4 + a5*X5 + error
資料上面來說，X1一共有10個變數，X2有15個變數，X3有8個變數，X4有6個變數，X5有12
個變數。目前做法是用Principle Component Analysis (PCA)把每個類別全部縮減成一個
變數，也就是X1到X5。
我的問題是:
1) 有沒有可能在每個類別先做LASSO，然後再做PCA。以X1來說，以Y為dep. Var，先
做LASSO縮減到5個變數，接著再利用這5個變數做PCA來得到X1。
2) 直接取X1的10個變數，利用LASSO來計算latent variable，這樣同樣可以達到變數
縮減的目的。
希望我有把問題描述清楚，歡迎各位的意見，或是有推薦的paper也歡迎分享。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 98.235.233.212 (美國)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Statistics/M.1644340680.A.CC0.html
1F：→ recorriendo: SEM本身就可內建CFA結構處理latent variables 02/09 10:30
2F：→ recorriendo: 看不到特別需要加一層lasso的理由 02/09 10:35
3F：→ recorriendo: PCA都不需要 02/09 10:38
4F：→ incessantgas: 有道理耶! 02/09 12:37
5F：→ incessantgas: 其實LASSO需要有dep. var，想想好像跟CFA的概念不同 02/09 12:39