Shiny互動式分析平台

研究動機與目的

我們的專題將正規化迴歸利用 R Markdown和Shiny套件，建立出互動平台。

目的是希望解決使用者的數據可能有多個因子變數，使得模型假設不成立而產生過度配適，

就可利用本平台來控制迴歸係數，藉此降低模型變異以及樣本外誤差，進而去完成更進一步的分析與研究。

線性迴歸模型中, 為了最佳化目標函式, 資料需符合多種假設, 才能得到不偏迴歸係數, 使得模型變異量最低。

而現實中, 隨著解釋變數個數增加, 可能會出現多重共線性問題, 使得模型假設不成立而產生過度配適 。 

此時可透過正規化迴歸來控制迴歸係數, 藉此降低模型變異以及樣本外誤差。 

正規化迴歸會對迴歸係數施加限制, 並將它們逐漸收縮到零, 減少係數的大小和波動, 並降低模型的變異。

常見的正規化方法包含 Ridge、 Lasso 與 Elastic Net。