LASSO减少特征的作用和PCA的降维作用类似吗？

来源：8-9 LASSO

神经旷野舞者

2018-03-10

LASSO模型正则化的结果可以减少特征，和PCA降低特征数量的作用是不是一样？感觉PCA更合理些，LASSO的降维是不是比较随机不科学？

写回答

1回答

liuyubobobo

2018-03-11

已采纳

不一样。LASSO的方法是直接减少特征数，做的是特征选择；PCA是通过空间转换将特征空间从高维空间转换到低维空间，是降维。

当你的特征有很强的语意的时候，PCA的缺点是丢失语意，此时用LASSO更好，如房产数据，这样做后续的分析会更高的保持可解释性；反之，对于你的数据，如果语意性不强，如图像数据，PCA更好。

哈hhh哈

liuyubobobo

感谢老师~

2018-09-21

共6条回复

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 1