多少个变量适用于lasso回归 lasso回归选择变量

好久没有更新啦，学业繁忙，不好意思呀！

今天给大家分享得是cox单变量生存分析及Lasso变量选择

• 实验目的：

①掌握Cox单变量或多变量生存分析模型的原理及应用

②掌握Cox模型的自适应Lasso变量选择

• 实验原理：

①Cox模型基本形式：

②单因素cox，部分基因间的表达呈现共线性关系，导致构建的预后模型出现过度拟合。利用lasso的惩罚系数，过滤掉共线性因素，只保留最具有代表性的因素，用于构建预后模型(Lasso回归复杂度调整的程度由参数lambda来控制，lambda越大模型复杂度的惩罚力度越大，从而获得一个较少变量的模型。)

• 实验数据：GSE2034包括

①RNA表达谱数据：GSE2034_RMA_symbol_noRep_non.txt

②样本标签：label.txt

③样本生存信息：infor.txt

• 实验过程
  1.
  

该部分的代码对表达谱进行处理，得到data

2.

该部分使用cox单变量模型筛选显著基因，然后提取这些基因的表达谱

result

data2

3.

对过滤出来的基因进行共线性处理

*结果1：下图中的每一条曲线代表了每一个自变量系数的变化轨迹，纵坐标是系数的值，下横坐标是  log ( λ) ，上横坐标是此时模型中非零系数的个数。我们可以看到，黑线代表的自变量1 在  λ值很大时就有非零的系数，然后随着λ值变小不断变大。

*结果2：因为交叉验证，对于每一个λ值，在红点所示目标参量的均值左右，我们可以得到一个目标参量的置信区间。两条虚线分别指示了两个特殊的λ值：

*结果3：无线性关系的数据：

以上就是整个过程了

为什要进行共线性分析呢，因为有可能多个基因共线性，然后我们可以选取一个来代表，这样减少维度，使维度灾难的可能性降低，同时比较方便分析。