Logo hu.boatexistence.com

Miért hajlamos a lasszó nulla együtthatóra?

Tartalomjegyzék:

Miért hajlamos a lasszó nulla együtthatóra?
Miért hajlamos a lasszó nulla együtthatóra?

Videó: Miért hajlamos a lasszó nulla együtthatóra?

Videó: Miért hajlamos a lasszó nulla együtthatóra?
Videó: Tim Maudlin Λ Palmer: Fractal Geometry, Non-locality, Bell 2024, Lehet
Anonim

A lasszó úgy hajtja végre a zsugorodást, hogy a kényszerben „sarkok” vannak, ami két dimenzióban egy gyémántnak felel meg. Ha a négyzetek összege „elüti” az egyik sarkot, akkor a tengelynek megfelelő együttható nullára zsugorodik. … Ezért a lasszó zsugorítást és (hatékonyan) részhalmaz-kiválasztást hajt végre.

Miért ad a lasszó nulla együtthatót?

A lasszó úgy hajtja végre a zsugorodást, hogy a kényszerben „sarkok” vannak, ami két dimenzióban egy gyémántnak felel meg. Ha a négyzetek összege „elüti” az egyik sarkot, akkor a tengelynek megfelelő együttható nullára csökken.

Miért zsugorodik a lasszó nullára, de a Ridge nem?

Azt mondják, hogy mivel a LASSO kényszer alakja egy gyémánt, a kapott legkisebb négyzetek megoldása érintheti a gyémánt sarkát úgy, hogy az valamilyen változó zsugorodásához vezet. A gerincregresszióban azonban, mivel ez egy kör, gyakran nem érinti a tengelyt

Miért csökkenti a gerincregressziós együtthatókat?

Ridge regression az összes regressziós együtthatót nullára csökkenti; a lasszó nulla regressziós együtthatót ad, és ritka megoldáshoz vezet. Vegye figyelembe, hogy mind a gerincregresszió, mind a lasszó esetében a regressziós együtthatók pozitívról negatívra változhatnak, ahogy nulla felé zsugorodik.

Elfogultak a lasszó együtthatók?

…a lasszó zsugorodása miatt a nem nulla együtthatók becslései nulla felé torzulnak, és általában nem következetesek [Hozzáadott megjegyzés: Ez azt jelenti, hogy mivel a a minta mérete nő, az együttható becslései nem konvergálnak].

Ajánlott: