Это начальный вопрос о регуляризации с регрессией. Большая часть информации об Elastic Net и Lasso Regression online реплицирует информацию из Википедии или оригинальной статьи 2005 года Zou and Hastie (Регуляризация и выбор переменных через эластичную сеть).
Ресурс для простой теории? Есть ли простое и простое объяснение где-то о том, что он делает, когда и почему требуется реорганизация, и как его использовать - для тех, кто не является статистически склонным? Я понимаю, что оригинальная статья является идеальным источником, если вы ее понимаете, но есть ли где-то более просто проблема и решение?
Как использовать в sklearn? Есть ли пошаговый пример, показывающий, почему выбрана эластичная сеть (над хребтом, лассо или просто простой OLS) и как рассчитываются параметры? Многие примеры на sklearn включают только параметры альфа и rho непосредственно в модель прогнозирования, для example:
from sklearn.linear_model import ElasticNet
alpha = 0.1
enet = ElasticNet(alpha=alpha, rho=0.7)
y_pred_enet = enet.fit(X_train, y_train).predict(X_test)
Однако они не объясняют, как они были рассчитаны. Как вы вычисляете параметры для lasso или net?
