lasso, ridge等正规化（regularization）方法的应用场景

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在学coursera的modeling课程WEEK4，功底不行搞不懂了，请教版上大牛：介绍了集中regularization 的方法包括：ridge(岭回归), lasso和relaxo，
看上去都是对自变量做评价然后做线性组合（变换）什么的吧，
似乎这些正规化方法能解决的问题是降维，还能防止overfitting的问题。我的理解不对请指教哈！

我的问题是：
1.这些方法能在线性模型或者logisitc这种自变量线性组合的模型里用，那能适用于SVM和决策树这类方法么？
2.如果维度相对于样本量来说并不高，是不是做regularizatioin就没有任何好处了？
就是这些，多谢多谢~

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：Regular Ridge ATION LASSO ARIZ 自变量 课程 模型 上大

给顶起来。。。。。。

gssdzc 发表于 2014-9-27 11:21
给顶起来。。。。。。

谢谢了~问了一圈，lasso基本上就是降维用的，基因数据那种用的多些，再怎么处理，降维还是损失信息的。
所以只要维度问题不大，就不用了。。。