Lasso方法的原理 — 统计学填空题
题目
Lasso（最小绝对收缩与选择算子）方法在残差平方和损失函数的基础上，添加回归系数绝对值之和作为惩罚项，即目标函数形如 ||y−Xβ||² + λ·∑|βⱼ|。与岭回归采用系数的____范数平方作为惩罚项不同，Lasso 的 L1 惩罚项具有稀疏化效应，能够将某些回归系数精确压缩为____，从而同时实现参数估计与____选择。
相关题目
统计学
计算题
设响应变量 y 已中心化，p 个自变量已标准化，设计矩阵 X 满…
Lasso方法的原理
统计学
选择题
Lasso 方法在回归系数估计中添加的惩罚项与由此产生的估计…
Lasso方法的原理
统计学
填空题
设自变量经标准化且设计矩阵满足各列正交（正交规范设计…
Lasso方法的原理
统计学
选择题
关于 Lasso（最小绝对收缩与选择算子）方法的原理，下列说…
Lasso方法的原理
统计学
填空题
设随机变量 T 服从参数为 1 的指数分布。某同学设计如下模…
模拟实验设计与结果解释
统计学
计算题
某物流公司研究包裹分拣批次数 x（批）与单日加班时长 y（…
案例中模型估计与推断实现