線性回歸的模型函數(shù)和損失函數(shù)
ridge regression,對(duì)w做2范式約束贩幻,就是把解約束在一個(gè)l2-ball里面玩裙,放縮是對(duì)球的半徑放縮,因此w的每一個(gè)維度都在以同一個(gè)系數(shù)放縮段直,通過放縮不會(huì)產(chǎn)生稀疏的解——即某些w的維度是0
坐標(biāo)軸下降法(coordinate descent)和最小角回歸法( Least Angle Regression, LARS)見Lasso回歸算法: 坐標(biāo)軸下降法與最小角回歸法小結(jié)
最小角回歸(least angle regression) 的一點(diǎn)記錄
機(jī)器學(xué)習(xí)方法:回歸(三):最小角回歸Least Angle Regression(LARS)溶诞,forward stagewise selection
機(jī)器學(xué)習(xí)方法:回歸(二):稀疏與正則約束ridge regression鸯檬,Lasso