首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

LASSO回归姊妹篇:R语言实现岭回归分析

前面的教程中,我们讲解了在高通量数据中非常常用的一种模型构建方法,LASSO回归(见临床研究新风向,巧用LASSO回归构建属于你的心仪模型)。作为正则化方法的一种,除了LASSO,还有另外一种模型值得我们学习和关注,那就是岭回归(ridge regression)。今天,我们将简要介绍什么是岭回归,它能做什么和不能做什么。在岭回归中,范数项是所有系数的平方和,称为L2-Norm。在回归模型中,我们试图最小化RSS+λ (sumβj2)。随着λ增加,回归系数β减小,趋于0,但从不等于0。岭回归的优点是可以提高预测精度,但由于它不能使任何变量的系数等于零,很难满足减少变量个数的要求,因此在模型的可解释性方面会存在一些问题。为了解决这个问题,我们可以使用之前提到的LASSO回归。

04

邮件营销需要追踪的5类关键数据

据全美零售商联合会和Forrester研究机构新的市场营销研究发现,不少将经济低迷作为扩张机会的企业认为,电子邮件是与客户联系最重要的方式之一,而且大多数企业都计划利用电子邮件,将新推出的产品、促销活动等信息发送给客户,并得到客户的反馈。邮件营销是你向全球范围内的客户推销产品的有效工具。不过,如果你只是认为邮件发送出去,任务就结束了,那邮件的效果可能达不到你预期的结果,需要你对Email反馈数据进行追踪,并及时改进,才能让营销效果最大化。本文讲解了弹回率、未弹回率、打开率、点击率、转化率等需要追踪的数据,需要的朋友可以参考下:

00
领券