LARS(最小角回归)

LARS(最小角回归)优缺点LARS是一个适用于高维数据的回归算法。优点: 特别适合于特征维度n远高于样本数m的情况。 算法的最坏计算复杂度和最小二乘法类似,但是其计算速度几乎和前向选择算法一样 可以产生分段线性结果的完整路径,这在模型的交叉验证中极为有用 缺点:由于LARS的迭代方向是根据目标的残差而定,所以该算法对样本的噪声极为敏感。…

大家好,又见面了,我是你们的朋友全栈君。

优缺点

LARS是一个适用于高维数据的回归算法。

优点:

  • 特别适合于特征维度n 远高于样本数m的情况。

  • 算法的最坏计算复杂度和最小二乘法类似,但是其计算速度几乎和前向选择算法一样

  • 可以产生分段线性结果的完整路径,这在模型的交叉验证中极为有用

缺点:

  • 由于LARS的迭代方向是根据目标的残差而定,所以该算法对样本的噪声极为敏感。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/124794.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号