正则化是最小化策略的实现 最小绝对收缩和选择算子(lasso)回归法
LASSO是线性回归模型的一种变体，它的目的是代替模型中的部分变量，采用L1正则化，使一些奇异系数归零，从而产生稀疏模型。虽然LASSO的稀疏解决方案可以降低变量的数量，但是LASSO模型实际上可以被用作特征选择。
Lasso使用规则
1. 在开始建立必要的Lasso之前，要做好数据的预处理，这样在模型建立过程中就不会出现预处理错误。
2. 选择一个合适的参数λ，一般来说，较小的λ会将欠拟合变得更加严重，而较大的λ会使过拟合变得更加严重。
3. 通过不断改变λ的值，观察结果，以确定最佳模型。
4. 向量内积可以用来辨认各项因变量的实用性，通过判断系数的正负和大小，以此来决定哪些变量属于因变量，从而获取最佳结果。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。