2020-06-02
阅读量:
1797
为什么Lasso regression可以用于特征选择?
Lasso regression 是通过给cost function增加惩罚项来计算回归系数,以达到减少模型中特征个数的目的.惩罚项是惩罚回归系数中不能对数据的变化做出解释的项,来进行特征选择.并且,Lasso还倾向于将对预测效果不好的特征系数设置接近于零.
可以通过如下方式通俗的对Lasso的特征选择进行理解:由于添加L1正则项后,回归系数多出现在拐点,这意味着Lasso方法可以将部分特征的系数降为0,从而可以应用于特征选择.
13.7879
3
3
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论