如何统计LASSO特征选择算法选中的正确回归模型数量？

任务说明 #

• 用R语言elasticnet包的enet函数对5.8万个CSV数据集执行LASSO回归后，统计拟合结果与真实底层模型完全匹配的模型数量。
• 相关数据集及R脚本可在本地项目仓库获取。
• 已将LASSO选中的变量导出为IVs_Selected_by_LASSO.csv，导入至R脚本Quantifying LASSO's performance并赋值为BM1_models对象。

BM1_models数据结构 #

该数据框包含58000行、1列，列V1的内容格式为「数据集文件名; LASSO选中变量列表」（分号后有两个空格），具体示例及结构如下：

> BM1_models <- read.csv("IVs_Selected_by_LASSO.csv", header = FALSE)
> head(BM1_models, n = 3)
                    V1
1 0-3-1-1;  X1, X2, X3
2 0-3-1-2;  X1, X2, X3
3 0-3-1-3;  X1, X2, X3

> tail(BM1_models, n = 3)
                                                           V1
57998 1-15-9-498;  X2, X3, X5, X6, X8, X9, X10, X11, X12, X15
57999     1-15-9-499;  X3, X4, X5, X6, X8, X10, X11, X12, X15
58000               1-15-9-500;  X2, X4, X6, X7, X8, X10, X11

> str(BM1_models)
'data.frame':   58000 obs. of  1 variable:
 $ V1: chr  "0-3-1-1;  X1, X2, X3" "0-3-1-2;  X1, X2, X3" "0-3-1-3;  X1, X2, X3" "0-3-1-4;  X1, X2, X3" ...

模型正确性判断标准 #

数据集文件名格式为n1-n2-n3-n4，真实底层模型由其中的n2值决定：

• 当n2=3时，真实模型变量必须是X1,X2,X3
• 当n2=4时，真实模型变量必须是X1,X2,X3,X4
• ...
• 当n2=15时，真实模型变量必须是X1至X15
• 只有LASSO选中的变量与对应真实模型完全一致时，才算正确模型，其余情况均为错误。

内容的提问来源于stack exchange，提问作者Marlen