变量选择是在面对高维数据时需要处理的问题，有三类处理的方法，分别是最优子集的搜索、变量的稀疏和压缩、降维和特征重构。
- 最优子集的搜索L:一类处理方法是从备选的变量集合里面筛选出对于我们的分析目的有更大贡献的子集，常用的方法由最优子集法、BIC\AIC准则选择法、随机森林等。
- 变量的压缩和稀疏：常用的方法是LASSO，有各种各样的变体，例如传统的LASSO、弹性网回归、自适应LASSO、SCAD等
标签：变量,稀疏,选择,子集,最优,方法,LASSO 来源： https://www.cnblogs.com/spencergogo/p/16184110.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。