安同学回答（1）
Michael2023-05-16 23:29:29
Michael学员你好，这两个回归都不是一件容易得事情。
岭回归(ridge regression, Tikhonov regularization)实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对于特征值个数多于样本量的回归的拟合要强于最小二乘法。
Lasso回归的全称是Least Absolute Selection and Shrinkage Operator，即最小绝对值选择与收缩算子。Lasso方法是以缩小变量集（降阶）为思想的压缩估计方法。它通过构造一个惩罚函数，可以将变量的系数进行压缩并使某些回归系数变为0，进而达到变量选择的目的。
两种回归都可以用来解决标准线性回归的过拟合问题。
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片