Lasso & Ridge Regression的差異
2019/07/09 下午 10:07
機器學習共學討論版
陳裕興
觀看數:49
回答數:2
收藏數:0
ml100-2
ml100-2-d39
請問一下作業一提到LASSO 回歸可以被用來作為 Feature selection 的工具,請問也可以用Ridge Regression也用來作為Feature selection的工具嗎? 如果可以的話,請問一下選擇哪一個會是比較好的呢? 同理,Ridge Regression處理共線性的問題,那麼LASSO Regression也可以處理共線性的問題嗎? 如果可以的話,請問一下選擇哪一個會是比較好的呢?
回答列表
-
2019/07/11 上午 00:26Jimmy贊同數:1不贊同數:0留言數:0
Hi!
LASSO 之所以能夠拿來當特徵選取的工具,是因為這個模型的優化過程是以參數稀疏化為目標在訓練的,因此最終模型會將某些特徵的權重變成 0,達到了特徵選取的效果,Ridge 則沒有這樣的特性,當然就不能拿來做特徵選取囉!
同理共線性的問題也是一樣,從模型的特性去了解,就能找到適合目標的模型囉!
-
2019/07/12 下午 04:54張維元 (WeiYuan)贊同數:1不贊同數:0留言數:0
這一篇文章有很深入的討論,建議可以看一下:https://www.zhihu.com/question/38121173
其中有一段:
1. LASSO是针对Ridge Regression的没法做 variable selection 的问题提出来的,L1 penalty虽然算起来麻烦,没有解析解,但是可以把某些系数shrink到0啊。
2. LASSO虽然可以做variable selection,但是不 consistent 啊,而且当n很小时至多只能选出n个变量;而且不能做group selection。
知道模型的脈絡跟演進,對於使用上也會有幫助:)