Lasso
회귀 와 같은 전에 변수를 표준화 해야하는 세 가지 주요 이유를 읽었습니다 .
1) 계수의 해석 성.
2) 수축 후 계수 추정치의 상대적 크기에 따라 계수 중요도를 평가하는 기능.
3) 가로 채지 않아도됩니다.
그러나 가장 중요한 점이 궁금합니다. 표준화가 모형의 표본 일반화를 향상시킬 것이라고 생각할만한 이유가 있습니까? 또한 모델에 인터셉트가 필요하지 않은 경우에는 신경 쓰지 않습니다. 하나를 추가해도 해가되지 않습니다.
1
설명 : "표준화가 선택적인 경우 (결과가 다른 크기로 왜곡되지 않는 특수한 경우 중 하나 인 경우) 표준화가 표본 외 일반화를 향상 시킵니까?" 이 올바른지?
—
Drew75
@ Drew75 나는 사례의 분류를 선호한다. 예를 들어 결과가 "다른 크기로 기울어 질 때"도움이되고 결과가 왜곡되지 않을 때 도움이 되는가?
—
Jase
그런 다음 귀하의 질문은 올가미에 관한 것이 아닙니다 (올가미 전에 일반적인 표준화가 필요하기 때문에). 더 일반적입니다. 아마도 질문의 제목과 첫 번째 문장을 변경하십시오.
—
Drew75
@Drew : 그것은 오히려 질문을하는 것입니다 : 왜 필요합니까? 결과를 왜곡한다는 것은 무엇을 의미합니까? 나는 질문이 괜찮다고 생각합니다.
—
Scortchi-Monica Monica 복원
@ Drew75 제 질문은 올가미에 관한 것입니다.
—
Jase