安同學(xué)
2023-05-15 18:03能否簡單講解二個方法是什麼來的？看不明白
所屬：FRM Part I > Quantitative Analysis 視頻位置 相關(guān)試題
來源： 視頻位置 相關(guān)試題
1個回答
Michael助教
2023-05-16 23:29
該回答已被題主采納
學(xué)員你好，這兩個回歸都不是一件容易得事情。
嶺回歸(ridge regression, Tikhonov regularization)實質(zhì)上是一種改良的最小二乘估計法，通過放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價獲得回歸系數(shù)更為符合實際、更可靠的回歸方法，對于特征值個數(shù)多于樣本量的回歸的擬合要強(qiáng)于最小二乘法。
Lasso回歸的全稱是Least Absolute Selection and Shrinkage Operator，即最小絕對值選擇與收縮算子。Lasso方法是以縮小變量集（降階）為思想的壓縮估計方法。它通過構(gòu)造一個懲罰函數(shù)，可以將變量的系數(shù)進(jìn)行壓縮并使某些回歸系數(shù)變?yōu)?，進(jìn)而達(dá)到變量選擇的目的。
兩種回歸都可以用來解決標(biāo)準(zhǔn)線性回歸的過擬合問題。
0
0
0
0
