除了岭回归,最常被提到的模型还有Lasso。Lasso全称最小绝对收缩和选择算子(least absolute shrinkage and selection operator),由于这个名字过于复杂,所以简称为Lasso。和岭回归一样,Lasso是被创造来作用于多重共线性问题的算法,不过Lasso使用的是系数ω的L1范式(L1范式是系数ω的绝对值)乘以正则化系数α,所以Lasso的损失函数表达式为:
m i n ω ∣ ∣ X ω − y ∣ ∣ 2 2 + α ∣ ∣ ω ∣ ∣ 1 \large\boldsymbol{\mathop{min}\limits_\omega||X\omega-y||_2\,^2+\alpha||\omega||_1} ωmin
机器学习:线性模型-多重共线性问题的解决-Lasso
最新推荐文章于 2023-08-04 07:32:06 发布
Lasso(最小绝对收缩和选择算子)是一种用于解决多重共线性问题的算法,其损失函数包含L1范式正则项。虽然Lasso不能直接解决特征间的精确相关性问题,但在实际中,通过调整正则化参数α,它可以限制参数估计的大小,防止因多重共线性导致的模型失准。Lasso的L1正则化特性还使其成为特征选择的有效工具。
摘要由CSDN通过智能技术生成