下列关于LASSO的论述正确的是
A: LASSO解的可行域为二维面中的菱形，菱形的角更容易与目标函数的等高线相交产生最优解
B: 与等高线相交的菱形角位于坐标轴上，因此产生稀疏解
C: LASSO中稀疏解的L1范数大于非稀疏解，可以产生较大的系数
D: LASSO模型中的目标函数的梯度不存在
A: LASSO解的可行域为二维面中的菱形，菱形的角更容易与目标函数的等高线相交产生最优解
B: 与等高线相交的菱形角位于坐标轴上，因此产生稀疏解
C: LASSO中稀疏解的L1范数大于非稀疏解，可以产生较大的系数
D: LASSO模型中的目标函数的梯度不存在
举一反三
- 【单选题】下面关于Lasso回归的描述正确的是 A. Lasso 回归使用 L1 正则化 B. Lasso 回归使用 L2 正则化 C. Lasso 回归使用 L1+L2 正则化 D. Lasso 回归不使用正则化
- 在机器学习扩展库sklearn中，Lasso是可以估计稀疏系数的线性模型，尤其适用于减少给定解决方案依赖的特征数量的场合。如果数据的特征过多，而其中只有一小部分是真正重要的，此时选择Lasso比较合适。
- 【单选题】关于 L1、L2 正则化下列说法正确的是 A. L2 正则化能防止过拟合,提升模型的泛化能力,但 L1 做不到这点 B. L2 正则化技术又称为 Lasso Regularization C. L1 正则化得到的解更加稀疏 D. L2 正则化得到的解更加稀疏
- LASSO回归采用L1还是L2正则化优化代价函数？
- 使用LASSO模型拟合数据集，下列说法正确的是 A: 调整惩罚系数变大，则回归系数变大 B: 调整惩罚系数变大，则回归系数变小 C: LASSO能够使系数降为零 D: LASSO只能使系数趋近于零而不能降为零