ESL3.6 几种线性回归方法比较学习笔记（含协方差&相关系数概念）

最新推荐文章于 2022-10-31 10:27:38 发布

Nstar-LDS

最新推荐文章于 2022-10-31 10:27:38 发布

阅读量874

点赞数 1

分类专栏： ESL阅读笔记文章标签：统计学统计模型

本文链接：https://blog.csdn.net/nstarLDS/article/details/104424818

版权

这篇博客对比了统计学习中岭回归、lasso、最优子集、PLS和PCR等方法，讨论了相关系数ρ对这些方法的影响。在相关系数为±0.5的情况下，不同方法的系数曲线有所区别，岭回归表现出平滑收缩，PLS和PCR行为类似，而lasso则介于两者之间。研究指出，岭回归通常在预测误差最小化方面优于其他方法，但优势有限。文章还介绍了皮尔逊相关系数及其在衡量变量间线性关系中的作用。

摘要由CSDN通过智能技术生成

3.6 讨论：选择和收缩方法的比较

这是一篇有关《统计学习基础》，原书名The Elements of Statistical Learning的学习笔记，该书学习难度较高，有很棒的学者将其翻译成中文并放在自己的个人网站上，翻译质量非常高，本博客中有关翻译的内容都是出自该学者的网页，个人解读部分才是自己经过查阅资料和其他学者的学习笔记，结合个人理解总结成的原创内容。
有关ESL更多的学习笔记的markdown文件，可在作者GitHub上查看下载。