Lasso与岭回归的同和异
Lasso、岭回归都可以预防模型过拟合
Lasso回归惩罚项为L1正则,岭回归为L2正则
Lasso回归可用来特征选择,岭回归则不能
Lasso回归用坐标下降法求解,岭回归用梯度下降法求解。
为什么Lasso可用于特征选择,而岭回归不能
我们首先来看一下Lasso、岭回归的目标函数。

梯度下降法求解目标函数
目标函数:

初始化
(随机初始化)
沿着负梯度方向迭代,更新后的
使得
更小,如下公式所示,其中
为学习率、步长。
其中求解如下所示:
怎么解决欠拟合和过拟合问题?
使用线性回归的必要条件
线性、独立、正态、齐性。(1)自变量与因变量之间存在线性关系 可以通过绘制散点图矩阵进行考察因变量随各自变量值的变化情况。如果因变量



