lasso

线性回归与正则化：从最小二乘到岭回归、LASSO专栏导语：本专栏系统讲解数学建模的经典方法与 AI 智能方法，并打通两者之间的联系。上一篇我们用 AHP × 熵权 × TOPSIS 完成了评价类模型的收官（熵权法与TOPSIS：数据驱动的客观评价）。从这一篇开始进入预测类模型，从最基础也最重要的线性回归讲起——它不仅是统计建模的地基，更是神经网络在"单层、无激活函数"时的特例。我们会讲清最小二乘、 R 2 R^2 R2、岭回归与 LASSO 正则化，并看看过拟合这条主线是如何一路贯穿到深度学习的。

scikit-learn Lasso回归算法详解本文介绍 scikit-learn 中的 Lasso 回归算法。Lasso 在线性回归的基础上引入 L1 正则化项，能够在拟合数据的同时将部分特征系数压缩为 0，从而同时实现回归建模与特征选择。本文将结合算法原理、关键参数、代码示例与可视化分析，系统说明 Lasso 的使用方式、系数收缩机制及其适用场景。整体来看，Lasso 适合高维数据和强调解释性的任务，但对特征缩放较为敏感，在强相关特征场景下结果可能不够稳定。

黑客思维者

机器学习010:监督学习【回归算法】（Lasso回归）-- 用“魔法剪刀”找到真正重要的信息想象一下，你要准备一次重要的旅行，行李箱的空间有限，但面前摊开了几十件衣服。每件衣服你都想带，但箱子装不下。这时候你需要做选择：留下最必要、最百搭的那几件，其他的暂时放下。这个选择过程，不就是我们生活中常遇到的“取舍”吗？

爱吃泡芙的小白白

机器学习——分类、回归、聚类、LASSO回归、Ridge回归（自用）纠正自己的误区：机器学习是一个大范围，并不是一个小的方向，比如：线性回归预测、卷积神经网络和强化学都是机器学习算法在不同场景的应用。

我是有底线的