我有一个大数据集，有n〜> 300名参与者，其中我有2个在同一时间点但来自不同组织的变量。我做了一个新的变量，表示这两个变量的值之间的绝对差，我想将其用作结果。总的来说，我对两个变量之间差异的原因感兴趣，也对变量本身上的值差异的原因感兴趣...
为了了解驱动因素，我可以包括几个预测因子（例如细胞类型，还包括体重/身高等表型以及一些分类变量）。问题在于变量是相关的，仅包括所有变量在过度拟合方面可能也是不好的。
因此，我想知道哪种模型最适合对此进行调查。到目前为止，我已经读过/想到了随机森林，某种类型的弹性网或套索回归，或者只是“简单”的前向或后向选择。
感谢您的建议！
我希望一些人听到有关以下数据情况的建议模型的意见：我有一个大数据集，其中n〜> 300位参与者，其中我同时测量了2个变量。...]] >
话虽这么说，我建议从线性Support Vector Machine开始，使用正则化参数C来对抗过度拟合。他们往往在数据很少的高维问题中表现良好，听起来像您所拥有的。