analisis regresi Ridge dan Lasso pada dataset smarket

Menggunakan analisis regresi Ridge dan Lasso pada dataset smarket, maka digunakan library glmnet yang digunakan untuk melakukan regularisasi pada model regresi linear dan regresi logistik.

# Regresi Ridge
library(glmnet)

## Loading required package: Matrix

## Loaded glmnet 4.1-6

x <- model.matrix(Today ~ Lag1 + Lag2 + Lag3 + Lag4 + Lag5 + Volume, data = Smarket)
y <- Smarket$Today
fit.ridge <- glmnet(x, y, alpha = 0, lambda = 1)
print(fit.ridge)

## 
## Call:  glmnet(x = x, y = y, alpha = 0, lambda = 1) 
## 
##   Df %Dev Lambda
## 1  6 0.18      1

# Regresi Lasso
fit.lasso <- glmnet(x, y, alpha = 1, lambda = 1)
print(fit.lasso)

## 
## Call:  glmnet(x = x, y = y, alpha = 1, lambda = 1) 
## 
##   Df %Dev Lambda
## 1  0    0      1

Untuk menghasilkan output html yang bersih dan responsif maka, kita gunakan library(htmltools), dan untuk mempermudah serta mempercepat analisis dan pengolahan matriks dan vektor. maka digunakan library(matlib), maka contoh operasi matrix seperti berikut.

library(htmltools)
library(matlib)

A <- matrix(c(1,2,1,1), nrow = 2, ncol = 2)
A

##      [,1] [,2]
## [1,]    1    1
## [2,]    2    1

b <- c(4, 5)
b

## [1] 4 5

Solve(A, b)

## x1    =  1 
##   x2  =  3

plotEqn(A,b)

##   x[1] + x[2]  =  4 
## 2*x[1] + x[2]  =  5