statsmodels.duration.hazard_regression.PHReg.fit_regularized¶

PHReg.fit_regularized(method='elastic_net', alpha=0.0, start_params=None, refit=False, **kwargs)[source]¶

返回一个正则化的线性回归模型的拟合结果。

Parameters:¶

method{‘elastic_net’}

目前仅实现了弹性网络方法。

alphascalar or array_like

惩罚权重。如果是一个标量，相同的惩罚权重适用于模型中的所有变量。如果是一个向量，它必须与params具有相同的长度，并且包含每个系数的惩罚权重。

start_paramsarray_like

开始值为 params。

refitbool

如果为真，模型将仅使用在正则化拟合中具有非零系数的变量进行重新拟合。重新拟合的模型不再进行正则化。

**kwargs

用于拟合模型的额外关键字参数。

Returns:¶

PHRegResults

返回一个结果实例。

注释

惩罚项是弹性 网络惩罚项，它是L1和L2惩罚项的组合。

最小化的函数是：

\[-loglike/n + alpha*((1-L1\_wt)*|params|_2^2/2 + L1\_wt*|params|_1)\]

其中 \(|*|_1\) 和 \(|*|_2\) 分别是 L1 和 L2 范数。

估计后的结果基于用于选择变量的相同数据，因此可能存在过拟合偏差。

elastic_net 方法使用以下关键字参数：

maxiterint

最大迭代次数

L1_wtfloat

必须在 [0, 1] 范围内。L1 惩罚的权重为 L1_wt，而 L2 惩罚的权重为 1 - L1_wt。

cnvrg_tolfloat

线搜索的收敛阈值

zero_tolfloat

低于此阈值的系数被视为零。