MATLAB代码实现了一个带交叉验证的Lasso回归（Lasso Regression）模型，适用于广义线性模型（GLM）框架下的特征选择与正则化回归分析。以下是对该代码的全面分析：
一、研究背景
Lasso回归是一种常用的特征选择与正则化方法 ，通过对回归系数施加L1范数惩罚，使得部分系数趋于零，从而实现变量筛选。该方法特别适用于高维数据 （特征数大于样本数）或存在多重共线性的情形。本代码结合了交叉验证 与广义线性模型，可适应不同分布类型的目标变量。
二、主要功能
- 数据导入：从Excel文件中读取特征矩阵X和目标变量Y。
- 模型配置：支持多种分布类型（正态、泊松、二项等）和链接函数。
- 正则化路径计算：通过设置Lambda序列进行Lasso系数路径分析。
- 交叉验证：使用K折交叉验证选择最优正则化参数λ。
- 结果可视化：绘制系数路径图和交叉验证误差图。
- 特征筛选：输出在最优λ下非零系数对应的特征及其系数值。
三、算法步骤
- 数据准备：读取并分割X和Y。
- 参数验证：检查分布与链接函数的匹配性。
- 模型训练 ：调用
lassoglm函数进行Lasso回归。 - 路径分析：绘制系数随λ变化的路径图。
- 交叉验证选择λ ：
- 使用最小MSE对应的λ（绿色虚线）
- 使用"1SE原则"对应的λ（蓝色虚线）
- 输出结果：打印非零系数特征及其系数。
四、技术路线
- 核心函数 ：
lassoglm（MATLAB内置的Lasso GLM函数） - 可视化 ：
lassoPlot - 交叉验证：内置CV选项，支持K折交叉验证
- 正则化路径：通过λ序列计算系数变化路径
五、公式原理
Lasso回归的目标函数为：
minβ{−ℓ(β)+λ∑j=1p∣βj∣} \min_{\beta} \left\{ -\ell(\beta) + \lambda \sum_{j=1}^{p} |\beta_j| \right\} βmin{−ℓ(β)+λj=1∑p∣βj∣}
其中：
- ℓ(β)\ell(\beta)ℓ(β) 是对数似然函数（依赖于分布类型）
- λ\lambdaλ 为正则化参数
- ∑∣βj∣\sum |\beta_j|∑∣βj∣为L1惩罚项，促使系数稀疏化
六、参数设定
| 参数 | 说明 |
|---|---|
distr |
Y的分布类型（normal/binomial/poisson/gamma/inverse gaussian） |
Link |
链接函数，与分布对应 |
Lambda |
正则化系数序列，空则自动生成 |
LambdaRatio |
最小λ与最大λ之比 |
NumLambda |
自动生成的λ数量 |
CV |
K折交叉验证折数 |
seed |
随机种子（保证可重复性） |
Alpha |
弹性网络混合参数（1为Lasso，0为Ridge） |
Standardize |
是否标准化特征 |
七、运行环境
- 软件：MATLAB2020+（需Statistics and Machine Learning Toolbox）
- 数据格式：Excel文件（.xlsx）
- 内存要求：取决于数据规模（100×10示例数据较小）
八、应用场景
- 高维特征选择：如基因表达数据、文本特征、金融指标筛选。
- 模型简化：通过稀疏化降低模型复杂度，提高可解释性。
- 共线性处理：在多重共线性存在时仍可稳定估计。
- 广义线性建模：适用于非正态响应变量（如计数、二分类数据）。
总结
该代码是一个功能完整、参数灵活、输出丰富的Lasso回归实现工具，适用于多种统计建模与特征选择任务，尤其适合需要在广义线性模型框架下进行正则化回归的研究者使用。用户可通过调整λ、分布类型、交叉验证等参数以适应不同数据特点。