岭回归和Lasso回归的使用

来源：8-10 L1, L2和弹性网络

好好加油学习

2020-10-24

老师您好，我想再问一下关于岭回归和lasso回归的使用场景，在实际例子中，我们如果遇到要加正则化的情况下是怎么判断使用哪种正则化项呢？还是说把这几个都是一下看看呢？
谢谢老师

写回答

2回答

liuyubobobo

2020-10-26

已采纳

虽然有“没有免费的午餐定理”，但是对于这两种正则化的方式选择，整体上，我个人倾向于，如果仅仅是想要做正则化处理的话（降低模型复杂度），岭回归就可以胜任。

LASSO 的一个重要优势（作用）是，可以辅助做特征提取，因为 LASSO 的结果，趋向于让 theta = 0。

继续加油！：）

好好加油学习

谢谢老师

2020-10-27

共1条回复

慕村6052324

2020-10-25

一般情况下优先使用岭回归，如果特征项太多考虑使用弹性网来消除某些不必要的特征项。

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5893 学习 · 2454 问题

相似问题

回答 1

回答 1

回答 1

回答 1

回答 2