LINEAR_ELASTIC_NET

LINEAR_ELASTIC_NET Extension 命令在 SPSS® Statistics Standard Edition中可用。

LINEAR_ ELASTIC_NET 使用 Python sklearn.linear_model.ElasticNet 类来估算一个或多个自变量上因变量的正规化线性回归模型。 规则化组合了 L1 (套索) 和 L2 (岭) 惩罚。 该扩展包括可选方式，用于显示给定 L1 比率的不同 alpha 值的跟踪图，以及根据交叉验证选择 L1 比率和 alpha 超参数值。 当拟合单个模型或使用交叉验证来选择惩罚比率和/或 alpha 时，可使用保留数据分区来估算样本外性能。

请注意， sklearn 和此处使用的术语与其他一些针对弹性网络模型的程序中使用的术语不同。 sklearn 中的 alpha 参数有时称为 lambda ，而 sklearn 中的 l1_ratio 则称为 alpha。

LINEAR_ELASTIC_NET dependent [BY factor list] [WITH covariate list] 
  [/MODE {FIT**     }
         {TRACE     }
         {CROSSVALID}
  [/RATIO VALUES = {.5**                                   }
                   {[value(s)] [value1 TO value2 BY value3]}]
  [/ALPHA VALUES = {1**                                    }
                   {[value(s)] [value1 TO value2 BY value3]}]
          METRIC = {LINEAR**}
                   {LG10    }
  [/CRITERIA INTERCEPT = {TRUE**} STANDARDIZE = {TRUE**} TIMER = {5**  } 
                         {FALSE }               {FALSE}          {value}       
                NFOLDS = {5    } STATE = {0    }
                         {value}         {value}
            TRACETABLE = {0**    }
                         {integer}
  [/PARTITION {TRAINING = {70**   } HOLDOUT = {30**   }}]
                          {integer}           {integer}
              {VARIABLE = varname}
  [/PRINT {BEST** }
          {COMPARE} 
          {VERBOSE}]
  [/PLOT {MSE} {R2} {OBSERVED} {RESIDUAL}]
  [/SAVE {PRED(varname)} {RESID(varname)}]

** 如果省略子命令或关键字，则为缺省。

此命令读取活动数据集并导致执行任何暂挂命令。 请参阅 "命令顺序" 主题以获取更多信息。

LINEAR_ELASTIC_NET 扩展命令的语法可从 "线性弹性网络回归" 对话框生成。