数据回归算法 | Matlab实现Lasso回归预测模型

---

效果一览

文章概述

数据回归算法 | Matlab实现Lasso回归预测模型. 在本文，我们继续讲解另外一种可以解决“多重共线性”的算法——Lasso回归（也称L1正则化算法），其全称叫做（最小绝对值收敛和选择算子算法，least absolute shrinkage and selection operator）。 在本文，我们继续讲解另外一种可以解决“多重共线性”的算法——Lasso回归（也称L1正则化算法），其全称叫做（最小绝对值收敛和选择算子算法，least absolute shrinkage and selection operator）。其实Lasso回归与岭回归十分相似，且二者均为十分成熟的算法。这里有必要介绍一下二者的区别，以及怎么选择算法。

• （1）区别

1.惩罚项不同：Lasso回归使用L1正则化，即将模型系数的绝对值相加，作为惩罚项，而岭回归使用L2正则化，即将模型系数的平方和相加，作为惩罚项。
2.特征选择：由于L1正则化的惩罚项中含有绝对值，因此Lasso回归能够将某些系数压缩至零，从而实现特征选择的目的。而岭回归则不能将系数压缩至零，只能将其尽可能地缩小，但不会完全消除某些特征的影响。
3.稳定性：