1.1.5. Elastic-Net (弹性网络)与 1.1.6. Multi-task Elastic-Net(多任务弹性网络)

1.1.5. Elastic-Net

相对于之前的几章,弹性网络显得相对简单的多。不过借着弹性网络,我正好了解了一下机器学习算法里很常见的“对偶的概念”。

一、简介

在这里插入图片描述

我们知道Ridge和Lasso是有弊端的:

  • Ridge虽然很稳定,但是因为对参数(特征)没有进行筛选,所以样本一大,特征一多,模型复杂度就直线上升
  • Lasso依靠嵌入式特征选择,拥有相当优秀的抗过拟合的能力。不过也是因为它的稀疏性,它不太稳定。毕竟特征一少,遇到样本远多于特征的情况时,模型很容易就崩了

所以,遇到这样的问题,我们和容易想到将Ridge和Lasso,即带有 l 1 l_1 l1 l 2 l_2 l2范数的模型,做一个结合。

在这里插入图片描述

我们可以看出,弹性网络不仅具备Lasso的稀疏性,也同时具备Ridge的稳定性,效果十分突出。

二、目标函数

min ⁡ w 1 2 n s a m p l e ∥ X w − y ∥ 2 2 + α ρ ∥ ω ∥ 1 + α ( 1 − ρ ) 2 ∥ ω ∥ 2 \min\limits_{w} \frac{1}{2n_{sample}}\parallel\mathit{Xw} -\mathit{y}

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值