← 返回卡片

原书出处

分布式机器学习:交替方向乘子法在机器学习中的应用

03 稀疏回归 3.1 Lasso问题

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T15:03:44.688Z

一些系数为零,保留了子集收缩的优点。

区别于岭回归惩罚项中的平方值,Lasso回归的惩罚项中有用于约束估计的绝对值之和,此值会使一些参数估计结果等于零,因此增加了算法的稀疏性,所以也称作稀疏回归。

除此之外,Lasso还能够对变量进行

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter3.xhtml

EPUB SHA-256:09dfdf1c3d0b85ffd714aa31b1545050f8a45686664f814789c7fed53b574d44