Справочная информация: Я использую модель одномерной линейной регрессии (OLS) и выводю интервал прогнозирования для Y_hat. Линейная модель в основном соответствует моей задаче, поскольку она обеспечивает необходимую интерпретацию, будучи простой и быстрой.
Теперь, однако, в модель войдет больше предикторов (тем не менее, она будет считать, что n> p), и, поскольку некоторые из них могут быть сильно коррелированными, я рассматриваю использование линейной модели, оштрафованной в то время, покавозможность вывести интервал прогнозирования для Y_hat.
Набор моих предикторов НЕ большой (менее 15-20 для примерно 300 наблюдений).
Вопрос: Я понимаю, что интервалы прогнозирования для хребта / упругой сети / LASSO не так просты, как в OLS, поскольку оценки являются предвзятыми (согласно сообщениям, например https://stats.stackexchange.com/questions/121993/elastic-net-confidence-intervals-for-parameters и странице 18 здесь: https://cran.r -project.org/web/packages/penalized/vignettes/penalized.pdf)
Однако мне было интересно, есть ли какие-нибудь уже реализованные (хотя бы частичные) решения (в частности, пакеты Python), которые я могу использовать? Если нет, то по крайней мере некоторые общие рекомендации о том, как можно справиться с такими проблемами, будут высоко оценены.
Спасибо