独家 | 为你介绍7种流行的线性回归收缩与选择方法(附代码)

  1. 云栖社区>
  2. 数据派THU>
  3. 博客>
  4. 正文

独家 | 为你介绍7种流行的线性回归收缩与选择方法(附代码)

初商 2019-08-25 21:16:36 浏览262
展开阅读全文

作者:Michał Oleszak

翻译:张恬钰

校对:吴金笛

文章来源:微信公众号 数据派THU


本文讨论了几种子集和收缩方法:最佳子集回归, 岭回归, LASSO, 弹性网, 最小角度回归, 主成分回归和偏最小二乘。

本文讨论了七种流行的收缩和选择方法的数学属性和实际的Python应用。

在本文中,我们将介绍七种流行的子集选择和线性回归收缩方法。在介绍了证明需要这些方法的主题之后,我们将逐一研究每种方法,包括数学属性和Python应用程序。

为什么收缩或子集,这是什么意思?

在线性回归上下文中,子集意味着从可用变量中选择要包含在模型中的子集,从而减少其维数。另一方面,收缩意味着减小系数估计的大小(将它们缩小到零)。请注意,如果系数缩小到恰好为零,则相应的变量将退出模型。因此,这种情况也可以看作是一种子集。

收缩和选择旨在改进简单的线性回归。关于

网友评论

登录后评论
0/500
评论
初商
+ 关注
所属云栖号: 数据派THU