Câu hỏi được gắn thẻ «elastic-net»

Một phương pháp chính quy cho các mô hình hồi quy kết hợp các hình phạt của lasso và hồi quy sườn núi.

1
LARS vs phối hợp gốc cho Lasso
Những ưu và nhược điểm của việc sử dụng LARS [1] so với sử dụng gốc tọa độ để phù hợp với hồi quy tuyến tính chính quy L1? Tôi chủ yếu quan tâm đến các khía cạnh hiệu suất (vấn đề của tôi có xu hướng có Nhàng trăm …

1


3
Lasso vs Lasso thích nghi
LASSO và LASSO thích ứng là hai thứ khác nhau, phải không? (Đối với tôi, các hình phạt trông khác nhau, nhưng tôi chỉ kiểm tra xem tôi có bỏ sót điều gì không.) Khi bạn thường nói về lưới đàn hồi, trường hợp đặc biệt LASSO hay LASSO thích …






3
Nhầm lẫn liên quan đến lưới đàn hồi
Tôi đã đọc bài viết này liên quan đến lưới đàn hồi. Họ nói rằng họ sử dụng lưới đàn hồi bởi vì nếu chúng ta chỉ sử dụng Lasso, nó có xu hướng chỉ chọn một yếu tố dự đoán trong số các yếu tố dự đoán có tương …


2
Tính toán đường cong ROC cho dữ liệu
Vì vậy, tôi có 16 thử nghiệm trong đó tôi đang cố gắng xác thực một người từ một đặc điểm sinh trắc học bằng cách sử dụng Hamming Khoảng cách. Ngưỡng của tôi được đặt thành 3,5. Dữ liệu của tôi ở bên dưới và chỉ có bản dùng …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

1
Phạm vi của lambda trong hồi quy mạng đàn hồi
\def\l{|\!|} Cho hồi quy mạng đàn hồi minb12||y−Xb||2+αλ||b||22+(1−α)λ||b||1minb12||y−Xb||2+αλ||b||22+(1−α)λ||b||1\min_b \frac{1}{2}\l y - Xb \l^2 + \alpha\lambda \l b\l_2^2 + (1 - \alpha) \lambda \l b\l_1 làm thế nào có thể chọn một phạm vi thích hợp của λλ\lambda để xác thực chéo? Trong trường hợp α=1α=1\alpha=1 (hồi quy sườn) công thức …

1
Cách chính xác để viết lưới đàn hồi là gì?
Tôi bối rối về cách chính xác để viết lưới đàn hồi. Sau khi đọc một số tài liệu nghiên cứu dường như có ba hình thức 1)điểm kinh nghiệm{ - λ1| βk| - λ2β2k}điểm kinh nghiệm⁡{-λ1|βk|-λ2βk2}\exp\{-\lambda_1|\beta_k|-\lambda_2\beta_k^2\} 2)điểm kinh nghiệm{ - (λ1|βk| + λ2β2k)σ2√}điểm kinh nghiệm⁡{-(λ1|βk|+λ2βk2)σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{\sqrt{\sigma^2}}\} 3)điểm kinh nghiệm{ - …


Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.