【发布时间】:2020-08-09 02:53:59
【问题描述】:
我了解 Lasso 或 Ridge 如何尝试让斜坡变得更平坦。但是不同特征的所有系数是否以相同的速率受到惩罚?就像如果没有 Lasso 回归是 y=x+2z,那么两个系数都将变为前一个系数的一半:y=0.5x+z?还是像与因变量相关性较小的特征受到更多惩罚?
【问题讨论】:
标签: machine-learning regression artificial-intelligence data-science
我了解 Lasso 或 Ridge 如何尝试让斜坡变得更平坦。但是不同特征的所有系数是否以相同的速率受到惩罚?就像如果没有 Lasso 回归是 y=x+2z,那么两个系数都将变为前一个系数的一半:y=0.5x+z?还是像与因变量相关性较小的特征受到更多惩罚?
【问题讨论】:
标签: machine-learning regression artificial-intelligence data-science
Lasso 和 Ridge 回归使用所谓的 L1 和 L2 正则化。 在这里阅读更多:https://towardsdatascience.com/l1-and-l2-regularization-methods-ce25e7fc831c
【讨论】: