Lasso Regression Rechner

Hier kannst du eine Lasso-Regression online berechnen. Kopiere dazu einfach deine Daten in die obere Tabelle und wähle anschließend eine metrische abhängige Variable und eine oder mehrere unabhängige Variablen aus.

Lasso-Regression

Die Lasso-Regression (Least Absolute Shrinkage and Selection Operator) ist eine Variante der linearen Regression, die einen L₁-Strafterm auf die Koeffizienten anwendet. Sie schrumpft die Koeffizienten wie die Ridge-Regression und nimmt gleichzeitig eine Variablenauswahl vor, indem sie einzelne Koeffizienten exakt auf null setzt.

Dadurch eignet sich die Lasso-Regression besonders dann, wenn viele Prädiktoren vorliegen und ein sparsames Modell gesucht wird: Prädiktoren, deren Koeffizient auf null gesetzt wird, fallen aus dem Modell heraus. Über den Strafparameter Lambda steuerst du, wie stark die Koeffizienten geschrumpft werden. Ein größeres Lambda führt zu stärkerer Schrumpfung und zu mehr Koeffizienten, die exakt null werden.

Die Koeffizienten einer regularisierten Regression sind keine Hypothesentests der gewöhnlichen Kleinste-Quadrate-Schätzung, deshalb werden für sie keine p-Werte ausgegeben. Interpretiere die Gütemaße immer zusammen mit dem gewählten Lambda und der Einstellung zur Standardisierung.

Einen Überblick über alle Verfahren findest du in der Übersicht zur Regressionsanalyse. Ist deine abhängige Variable kategorial, ist die logistische Regression das passende Verfahren.