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: