数据分享|R语言PCA主成分、lasso、岭回归降维分析近年来各国土地面积变化影响...

全文链接：http://tecdat.cn/?p=31445

机器学习在环境监测领域的应用，着眼于探索全球范围内的环境演化规律，人类与自然生态之间的关系以及环境变化对人类生存的影响（点击文末“阅读原文”获取完整代码数据）。

课题着眼于环境科学中的近年来土地面积变化影响的课题，应用机器学习的方法，进行数据处理与分析预测。数据的处理方法以及机器学习本身算法理论的学习和代码实现在各领域具有相同性，之后同学可以在其他感兴趣的领域结合数据进行分析，利用此课题所学知识举一反三。

相关视频

本文获取了近年来全球各国土地面积变化数据（查看文末了解数据免费获取方式）：

区域或局地尺度的气候变化影响研究需要对气候模式输出或再分析资料进行降尺度以获得更细分辨率的气候资料。

本文通过PCA主成分、lasso、岭回归对数据进行降维分析，既能起到对相关的预报因子限制的作用保证了预测结果的稳定性，又不至于掩盖预报因子的贡献以至于丧失模型预测的准确性。

读取数据

data=read.csv("E:/climate_change_download_0 (1).csv")  data=na.omit(data)  
# data[which(data=="..")]=0  
x=data[,c(7:ncol(data))]  
x[which(x=="..",arr.ind = T)]=0

数据清洗

x=data.frame(x)  
for(j in 1:ncol(x))x[,j]=as.numeric(x[,j])

主成分分析

pca <- x %*% v[,1:2]
scores <- X %*% loadings  
biplot(scores[,1:2], loadings[,1:2], xlab=rownames(scores),

---

点击标题查阅往期内容

r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现

左右滑动查看更多

01

02

03

04

发现最优主成分数

lasso 模型

对数据进行lasso模型筛选变量

转换数据类型

for(i in 1:ncol(X))X[,i]=as.numeric(X[,i])

找出有强影响的变量

summary(laa)## LARS/LAR  
## Call: lars(x = X, y = Y, type = "lar")  
##    Df    Rss       Cp  
## 0   1 6505.0 2041.608  
## 1   2 6472.4 2000.730  
## 2   3 6411.9 1923.292  
## 3   4 6056.4 1458.310  
## 4   5 6044.3 1444.434  
## 5   6 6010.9 1402.454  
## 6   7 5660.6  944.328  
## 7   8 5594.1  858.944  
## 8   9 5334.2  519.497

使用lasso方法排除回归模型中的多重共线性是有必要的。在对lasso模型参数的确定过程中，进行统计降尺度时将df设置为17时，cp值最小，因此我们选择1999-2006年的数据较为合理，既能起到对相关的预报因子限制的作用保证了预测结果的稳定性，又不至于掩盖预报因子的贡献以至于丧失模型预测的准确性。

使用ridge regression回归模型

plot(lm.rid

选择GCV为100，带入岭回归模型的lambda中

使用岭回归方法排除回归模型中的多重共线性是有必要的。在对岭回归模型参数α的确定过程中，本文认为在使用岭回归模型对地区土地面积进行统计尺度时将GCV设置为100较为合理，当α过小时，正则项起不到作用，回归模型各项系数分散，此时模型如普通最小二乘多元回归模型，出现过拟合现象，预测结果不稳定;当α过大时，模型各项系数收敛到一处，出现欠拟合现象，预测结果不准确;而当α合理确定时，平衡了模型的稳定性和准确性。

数据获取

在公众号后台回复“土地数据”，可免费获取完整数据。

本文中分析的数据分享到会员群，扫描下面二维码即可加群！

---

点击文末“阅读原文”

获取全文完整代码数据资料。

本文选自《R语言PCA主成分、lasso、岭回归降维分析全球气候变化对各国土地面积影响》。

点击标题查阅往期内容

基于R语言实现LASSO回归分析

R语言Lasso回归模型变量选择和糖尿病发展预测模型

【视频】Lasso回归、岭回归正则化回归数学原理及R软件实例

群组变量选择、组惩罚group lasso套索模型预测新生儿出生体重风险因素数据和交叉验证、可视化

【视频】Lasso回归、岭回归等正则化回归数学原理及R语言实例

R语言Lasso回归模型变量选择和糖尿病发展预测模型

用LASSO，adaptive LASSO预测通货膨胀时间序列

MATLAB用Lasso回归拟合高维数据和交叉验证

群组变量选择、组惩罚group lasso套索模型预测新生儿出生体重风险因素数据和交叉验证、可视化

高维数据惩罚回归方法：主成分回归PCR、岭回归、lasso、弹性网络elastic net分析基因数据

Python高维变量选择:SCAD平滑剪切绝对偏差惩罚、Lasso惩罚函数比较

R使用LASSO回归预测股票收益

广义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证

贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据

R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据

r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现

R语言高维数据惩罚回归方法：主成分回归PCR、岭回归、lasso、弹性网络elastic net分析基因数据（含练习题）

广义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证

贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据

R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据

r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现

R语言高维数据惩罚回归方法：主成分回归PCR、岭回归、lasso、弹性网络elastic net分析基因数据（含练习题）

Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例

R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析

R语言惩罚logistic逻辑回归（LASSO,岭回归）高维变量选择的分类模型案例

Python中的Lasso回归之最小角算法LARS

r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现

R语言实现LASSO回归——自己编写LASSO回归算法

r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

R使用LASSO回归预测股票收益

R语言如何和何时使用glmnet岭回归

R语言中的岭回归、套索回归、主成分回归：线性模型选择和正则化

Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测

R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列

【视频】Python和R语言使用指数加权平均(EWMA)，ARIMA自回归移动平均模型预测时间序列

Python用ARIMA和SARIMA模型预测销量时间序列数据