首页 > 试题广场 >

在一个具有数万个特征的高维数据集上训练线性回归模型，其中大部

[单选题]

在一个具有数万个特征的高维数据集上训练线性回归模型，其中大部分特征可能与目标变量无关。为了构建一个更易于解释且可能泛化能力更强的模型，在选择正则化方法时，L1正则化（Lasso）相比L2正则化（Ridge）最主要的优势是什么？

L1正则化能够产生稀疏的权重矩阵，从而实现自动化的特征选择。

L2正则化的计算成本远高于L1正则化，因此L1更适用于高维数据。

L1正则化对所有权重施加相同的惩罚，而L2正则化对大权重有更大的惩罚。

L1正则化后的模型损失函数是一个凸函数，保证了全局最优解的存在。

查看正确选项

这道题你会答吗？花几分钟告诉大家答案吧！

提交观点

问题信息

机器学习

难度：

0条回答 8收藏 14浏览

扫一扫，把题目装进口袋