statsmodels.regression.mixed_linear_model.MixedLM.fit_regularized¶

MixedLM.fit_regularized(start_params=None, method='l1', alpha=0, ceps=0.0001, ptol=1e-06, maxit=200, **fit_kwargs)[source]¶

拟合一个模型，其中固定效应参数被惩罚。依赖参数在未惩罚模型中保持在其估计值不变。

Parameters:¶

methodstr of Penalty object

正则化方法。如果是字符串，必须是‘l1’。

alphaarray_like

标量或惩罚权重的向量。如果是标量，则相同的权重应用于所有系数；如果是向量，则它包含每个系数的权重。如果方法是一个Penalty对象，权重会按alpha进行缩放。对于L1正则化，权重直接使用。

cepspositive real scalar

固定效应参数的绝对值小于此值时，视为零处理。

ptolpositive real scalar

当连续的 fe_params 值之间的上确界范数差小于 ptol 时，收敛发生。

maxitint

最大迭代次数。

**fit_kwargs

传递给 fit 的额外关键字参数。

Returns:¶

A MixedLMResults instance containing the results.

注释

协方差结构不会随着固定效应参数的变化而更新。

这里用于L1正则化的算法是“射击”或循环坐标下降算法。

如果方法为‘l1’，则使用fe_pen和cov_pen来获得协方差结构，但在L1正则化拟合过程中会被忽略。

参考文献

Friedman, J. H., Hastie, T. 和 Tibshirani, R. 通过坐标下降的广义线性模型的正则化路径。统计软件杂志, 33(1) (2008) http://www.jstatsoft.org/v33/i01/paper

http://statweb.stanford.edu/~tibs/stat315a/Supplements/fuse.pdf