论文合作、课题指导请联系QQ2279055353
Lasso
是一种估计稀疏稀疏的线性模型。稀疏系数,就是系数里有很多是零。它可以用来减少特征数,在特定情况下,Lasso方法也能够精确地恢复非零特征集。数学上,Lasso由一个带有惩罚项的线性模型组成,最小化的目标函数:
min w 1 2 n ∥ X w − y ∥ 2 2 + α ∥ w ∥ 1 \mathop{\min}\limits_{w}\dfrac{1}{2n} \| Xw-y\|_2^2+\alpha\|w\|_1 wmin2n1∥Xw−y∥22+α∥w∥1
这样,lasso估计量解决了带有 α ∥ w ∥ 1 \alpha\|w\|_1 α∥w∥1 惩罚项的最小二乘问题。这里, α > 0 \alpha>0 α>