知识卡片
Lasso产生稀疏系数
绝对值惩罚的约束边界有尖角,尖角常落在某些坐标为零的位置。损失等高线接触该边界时,最优系数可落到这些位置,形成稀疏模型。岭惩罚边界较平滑,通常只把系数缩小。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 岭回归与稀疏约束
原书出处 · 1 处
- 线性回归与正则化 岭回归与稀疏约束 · 查看原书依据
解的大部分分量都是非零值),而L1正则化常常可以使β中某些分量很小,甚至为0,这对有稀疏解需求的应用有重要意义。
参考来源
- 位置:《机器学习基础》第7章,7.3 正则化线性回归(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter47.xhtml)
- 结论依据:原文借「L1正则化常常可以使β中某些分量很小」处的论述给出本卡所解释的关系或做法。
- 原始内容:解的大部分分量都是非零值),而L1正则化常常可以使β中某些分量很小,甚至为0,这对有稀疏解需求的应用有重要意义。