Выбор ответа Middle Линейные модели обновлено
Зачем Elastic Net
Вопрос
Когда Elastic Net (L1 + L2) лучше чистого lasso?
Попробуйте сами
Выберите вариант, и откроется разбор.
Показать ответ и разбор
Коротко
Правильный ответ: Когда есть группы коррелированных признаков: lasso оставит из группы один случайный, Elastic Net группу. Lasso неустойчив на коррелированных признаках: какой из них останется, зависит от шума.
Варианты ответа
- Когда признаков меньше, чем объектов, и они независимы: тогда L2-часть убирает лишнюю разреженность решения lasso
- Когда есть группы коррелированных признаков: lasso оставит из группы один случайный, Elastic Net группуправильный ответ
- Когда нужна максимальная разреженность: L2-часть дополнительно добивает малые веса до точного нуля
- Никогда: Elastic Net хуже обоих методов, это компромисс без преимуществ с лишним гиперпараметром
Разбор
Lasso неустойчив на коррелированных признаках: какой из них останется, зависит от шума. L2-часть делит вес между похожими признаками и стабилизирует решение, L1-часть по-прежнему отбирает признаки. Кроме того, lasso выбирает не больше n признаков при n объектах, а Elastic Net нет.
- В простом случае с независимыми признаками все варианты работают нормально.
- Максимальную разреженность даёт чистый lasso.
- Преимущества есть, они перечислены выше.
Ответьте сами, а не прочитайте
В тренажёре вопрос попадёт в повторения и вернётся, когда начнёт забываться. Плюс билеты с зачётом: 20 вопросов, не больше 2 ошибок.