¡Tu solución está lista!
Nuestra ayuda de expertos desglosó tu problema en una solución confiable y fácil de entender.
Mira la respuestaMira la respuesta done loadingPregunta: La regresión Ridge y Lasso son dos estimadores de regresión basados en la penalización. ¿Cuál de las siguientes afirmaciones describe en qué se parecen y en qué se diferencian? (Comprobar todo lo que aplicar.) A. Con ridge y Lasso, el ajuste de regresión y los coeficientes estimados dependen de los regresores específicos elegidos para las combinaciones
La regresión Ridge y Lasso son dos estimadores de regresión basados en la penalización.
¿Cuál de las siguientes afirmaciones describe en qué se parecen y en qué se diferencian?
(Comprobar
todo lo que
aplicar.)
A.
Con ridge y Lasso, el ajuste de regresión y los coeficientes estimados dependen de los regresores específicos elegidos para las combinaciones lineales.
B.
Tanto la regresión de la cresta como el Lasso estiman que muchos coeficientes son exactamente 0, por lo que los excluyen del proceso de predicción.
C.
El estimador de regresión de cresta minimiza la suma de los cuadrados de los residuos sin la penalización adicional y el estimador Lasso minimiza la suma de los cuadrados penalizada.
D.
La penalización de regresión de cresta aumenta con la suma de los coeficientes al cuadrado y la penalización de Lasso aumenta con la suma de los valores absolutos de los coeficientes.
- Esta es la mejor manera de resolver el problema.Solución
LASSO TIENDE A FUNCIONAR BIEN SI HAY UN PEQUEÑO NÚMERO DE PARÁMETROS SIGNIFICATIVOS Y LOS DEMÁS ESTÁN CERCANOS A CERO (ERGO CUANDO SÓLO POCOS PREDICTORES REALMENTE INFLUY…
Mira la respuesta completa
Estudia mejor, ¡ahora en español!
Entiende todos los problemas con explicaciones al instante y pasos fáciles de aprender de la mano de expertos reales.