he effect of this penalty is to shrink the parameter estimates towards zero, but it does not set any of them exactly to zero (which is a characteristic of L1 regularization, used by the LASSO). 老师，解释里的这句话和老师视频里解释的不一致。请解释一下



你还未登录〜

天堂之歌

听歌而来，送我踏青云〜

0元

充值
0橙宝

充值

首页
版块大全

财经学院

CFA FRM CFRM 量化投资

从业资格

证券从业银行从业

会计学院

CPA 会计职称 ACCA CMA 财会求职灌水闲聊

金程考研

公共课 199管综 396经综金融学硕金融专硕经济学硕士会计硕士考研院校考研就业

投资理财

RFP

金融杂谈

金融动态金融八卦吐槽专区

求职招聘

职业发展金融求职职场经验职场修养

研招信息

专业院校热点资讯考研交流考研经验

考研科目

专业课公共课 199管理类联考 396经济类联考

生活日常

运动音乐电影美食交友租房

个人发展
论坛

您现在的坐在位置：首页>智汇问答>FRM一级

❤️智慧2024-07-16 08:33:00

he effect of this penalty is to shrink the parameter estimates towards zero, but it does not set any of them exactly to zero (which is a characteristic of L1 regularization, used by the LASSO). 老师，解释里的这句话和老师视频里解释的不一致。请解释一下

查看试题

回答（1）

最佳

黄石2024-07-16 10:12:46

同学你好。这里以解析为准。ridge又被称作L2 正则化。L2 正则化倾向于“缩小“模型的参数，使得这些参数接近（但不等于）0。λ 越大，回归系数绝对值缩小的程度越大。LASSO 又被称作L1 正则化。L1 正则化将一些不太重要的参数估计设为0。因此，LASSO 也被称作特征选择技术，因为一些不太重要的特征会被LASSO 移除。λ 越大，越多的回归系数会降至0。