Ejemplo 8 para PROC GLMSELECT

Nivel de dificultad

Principiante

Publicado el : 14/06/2023

Este script ilustra el uso del procedimiento GLMSELECT para la selección de variables. Comienza generando un conjunto de datos de regresores a través de la macro `%makeRegressorData`. Luego, la macro `%AddDepVar` añade una variable dependiente `y` en función de un modelo lineal y un error aleatorio. Finalmente, se realizan dos llamadas a `PROC GLMSELECT`: la primera con el método de selección LASSO, y la segunda con el método Group LASSO.

Análisis de datos

Type : CREATION_INTERNE

Los datos se generan completamente dentro del script. La macro `%makeRegressorData` crea las variables independientes (continuas y de clasificación) con valores aleatorios. La macro `%AddDepVar` añade luego la variable dependiente `y` basándose en una fórmula lineal aplicada a las variables creadas previamente.

1 Bloque de código

Macro Data

Explicación :
Definición de dos macros. `%makeRegressorData` genera las variables explicativas (continuas y categóricas) utilizando funciones de números aleatorios. `%AddDepVar` añade una variable dependiente `y` a un conjunto de datos basándose en una fórmula y un error aleatorio.

¡Copiado!

1	%macro makeRegressorData(DATA=,nObs=500,nCont=5,nClass=5,nLev=3);
2	DATA &DATA;
3	drop i j;
4	%IF &nCont>0 %THEN %DO; array x{&nCont} x1-x&nCont; %END;
5	%IF &nClass>0 %THEN %DO; array c{&nClass} c1-c&nClass;%END;
6	DO i = 1 to &nObs;
7	%IF &nCont>0 %THEN %DO;
8	DO j= 1 to &nCont;
9	x{j} = rannor(1);
10	END;
11	%END;
12	%IF &nClass > 0 %THEN %DO;
13	DO j=1 to &nClass;
14	IF mod(j,3) = 0 THEN c{j} = ranbin(1,&nLev,.6);
15	ELSE IF mod(j,3) = 1 THEN c{j} = ranbin(1,&nLev,.5);
16	ELSE IF mod(j,3) = 2 THEN c{j} = ranbin(1,&nLev,.4);
17	END;
18	%END;
19	OUTPUT;
20	END;
21	RUN;
22	%mend;
23
24	%macro AddDepVar(DATA=,modelRHS =,errorStd = 1);
25	DATA &DATA;
26	SET &DATA;
27	y = &modelRHS + &errorStd * rannor(1);
28	RUN;
29	%mend;

2 Bloque de código

DATA STEP Data

Explicación :
Ejecución de las macros para crear la tabla de trabajo `traindata`. La primera macro genera los regresores y la segunda calcula y añade la variable dependiente `y`.

¡Copiado!

1	%makeRegressorData(DATA=traindata,nObs=500,nCont=5,nClass=5,nLev=3);
2
3	%AddDepVar(DATA = traindata,
4	modelRHS= x1 +
5	0.1x2 - 0.1x3 - 0.01* x4 -
6	c1,
7	errorStd= 1);

3 Bloque de código

PROC GLMSELECT

Explicación :
Activa los gráficos ODS, luego ejecuta el procedimiento `glmselect` para realizar una selección de modelo mediante el método LASSO. Las variables de clasificación `c1-c5` pueden dividirse (`split`). Se crea un efecto spline para `x1`. El criterio SBC se utiliza para elegir el mejor modelo entre los 20 pasos de la selección.

¡Copiado!

1	ods graphics on;
2
3	PROC GLMSELECT DATA=traindata plots=coefficients;
4	class c1-c5/split;
5	effect s1=spline(x1/split);
6	model y = s1 x2-x5 c:/
7	selection=lasso(steps=20 choose=sbc);
8	RUN;

4 Bloque de código

PROC GLMSELECT

Explicación :
Ejecuta `proc glmselect` por segunda vez, utilizando el método de selección Group LASSO. Las variables `x2`, `x3` y `x4` se agrupan en un efecto de colección `s2`, forzando su selección o exclusión como bloque. El parámetro `rho` ajusta la penalización.

¡Copiado!

1	PROC GLMSELECT DATA=traindata plots=coefficients;
2	class c1-c5;
3	effect s1=spline(x1);
4	effect s2=collection(x2 x3 x4);
5	model y = s1 s2 x5 c:/
6	selection=grouplasso(steps=20 choose=sbc rho=0.8);
7	RUN;

Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.

Información de copyright : S A S S A M P L E L I B R A R Y

Documentación relacionada

Aucune documentation spécifique pour cette catégorie.