小云編發(fā)現(xiàn)近年來，LASSO應(yīng)用程度較廣。已有大量研究將LASSO算法應(yīng)用于生信文章，有高到20分的SCI。今天，小云給大家分享這篇影響因子 > 9分簡(jiǎn)單純生信文章的代碼。?

科研有捷徑，輸入代碼，一鍵獲取科研成果！就是這么省事，來具體看下有多方便！

搜索http://985.so/a9kb查看全部代碼（目前共計(jì)50+持續(xù)新增中），也可以點(diǎn)擊右側(cè)【目錄】，可以看到更多有趣的代碼；真香提示：文末可以知道如何獲取代碼~

LASSO回歸的特色：一是對(duì)數(shù)據(jù)的要求是極其低的，無論是一維連續(xù)因變量、多維連續(xù)因變量、非負(fù)次數(shù)因變量、二元離散因變量、多元離散因變，此外，無論因變量是連續(xù)的還是離散的，LASSO都能對(duì)其處理。二是LASSO能夠?qū)ψ兞窟M(jìn)行篩選和對(duì)模型的復(fù)雜程度進(jìn)行降低。而變量篩選是指把所有的變量都放入模型中進(jìn)行擬合，而是有選擇的把變量放入模型從而得到更好的性能參數(shù)。 復(fù)雜度調(diào)整是指通過一系列參數(shù)控制模型的復(fù)雜度，從而避免過度擬合。

LASSO的復(fù)雜程度由λ來控制，λ越大對(duì)變量較多的線性模型的懲罰力度就越大，從而最終獲得一個(gè)變量較少的模型。我們可以通過嘗試若干次不同值下的λ，來選取最優(yōu)λ下的參數(shù)。

小編發(fā)現(xiàn)近年來，LASSO應(yīng)用程度較廣。已有大量研究將LASSO算法應(yīng)用于生信文章，有高到20分的SCI。如下圖。這篇影響因子 > 9分簡(jiǎn)單純生信文章。

但是具體要如何實(shí)現(xiàn)？？？ 今天，小云以代碼提供的數(shù)據(jù)為例進(jìn)行說明。

代碼具體包括：

Step1輸入數(shù)據(jù)并構(gòu)建LASSO

Step2 CV交叉驗(yàn)證

Step3最佳組合的篩選與繪圖?

下面是代碼中附帶數(shù)據(jù)逐步分析結(jié)果

神奇吧，就是如此簡(jiǎn)單，我們用的都是入門級(jí)函數(shù)，稍微懂點(diǎn)R語言就能實(shí)現(xiàn)。

.這是小云做的LASSO回歸模型構(gòu)建，也可以按照粉絲的要求復(fù)現(xiàn)哦，掃碼找我。

如需代碼及示例數(shù)據(jù)等文件，請(qǐng)掃碼聊天框回復(fù) “B28”領(lǐng)??！??