Estoy tratando de crear un modelo reducido para predecir muchas variables dependientes (DV) (~ 450) que están altamente correlacionadas.
Mis variables independientes (IV) también son numerosas (~ 2000) y altamente correlacionadas.
Si utilizo el lazo para seleccionar un modelo reducido para cada salida individualmente, no tengo la garantía de obtener el mismo subconjunto de variables independientes a medida que recorro cada variable dependiente.
¿Existe una regresión lineal multivariada que use el lazo en R?
Esto no es un lazo grupal. lazo grupal agrupa el IV. Quiero una regresión lineal multivariada (es decir, el DV es una matriz, no un vector de escalares), que también implementa lazo. (Nota: como señala NRH, esto no es cierto. Lazo grupal es un término general que incluye estrategias que agrupan el IV, pero también incluye estrategias que agrupan otros parámetros como el DV)
Encontré este artículo que se mete en algo llamado Lazo de conjuntos superpuestos dispersos
Aquí hay un código que hace regresión lineal multivariante
> dim(target)
[1] 6060 441
> dim(dictionary)
[1] 6060 2030
> fit = lm(target~dictionary)
Aquí hay un código que enlaza en un solo DV
> fit = glmnet(dictionary, target[,1])
Y esto es lo que me gustaría hacer:
> fit = glmnet(dictionary, target)
Error in weighted.mean.default(y, weights) :
'x' and 'w' must have the same length
Seleccionar funciones que se ajusten a TODOS los objetivos a la vez
glmnet
y tiene una viñeta completa.