• The assumptions of this regressio

• The assumptions of this regression is same as least squared regression except normality is not to be assumed
• It shrinks coefficients to zero (exactly zero), which certainly helps in feature selection
• This is a regularization method and uses l1 regularization
• If group of predictors are highly correlated, lasso picks only one of them and shrinks the others to zero

ผลลัพธ์ (ไทย) 1:

•สมมติฐานของการถดถอยนี้จะเหมือนถดถอยกำลังสองน้อยที่สุดยกเว้นเครื่องจะไม่สันนิษฐานได้•มันหดตัวสัมประสิทธิ์เป็นศูนย์ (ตรงศูนย์), ซึ่งแน่นอนช่วยในการเลือกคุณลักษณะ•นี้เป็นวิธี regularization และใช้ l1 regularization•ถ้ากลุ่มพยากรณ์ที่มีความสัมพันธ์สูง แลซโซรับเพียงหนึ่งของพวกเขา และหดตัวเป็นศูนย์อื่น ๆ

ผลลัพธ์ (ไทย) 2:

•สมมติฐานของการถดถอยนี้เป็นเช่นเดียวกับการถดถอย Squared น้อยยกเว้นปกติไม่ได้ที่จะสันนิษฐาน
•มัน shrinks สัมประสิทธิ์เป็นศูนย์ (ศูนย์ตรง) ซึ่งแน่นอนจะช่วยในการเลือกคุณลักษณะ
•นี่คือวิธีการที่กูและใช้กู L1
•หากกลุ่ม พยากรณ์มีความสัมพันธ์สูงหยิบเชือกหนึ่งเดียวของพวกเขาและคนอื่น ๆ ที่ลดลงเป็นศูนย์

ผลลัพธ์ (ไทย) 3:

- สมมติฐานของการถดถอยกำลังสองน้อยที่สุดนี้เป็นเช่นเดียวกับการยกเว้นปกติไม่ต้อง สันนิษฐาน- มันจะหดลงเท่ากับศูนย์ ( ตรงศูนย์ ) ซึ่งแน่นอนช่วยในการเลือกคุณลักษณะ- นี้คือการศึกษาวิธีการและการใช้ L1 ผิดกฎหมาย- ถ้ากลุ่มตัวแปรมีความสัมพันธ์บ่วงบาศ , เลือกเพียงหนึ่งของพวกเขา และจิตแพทย์คนอื่นศูนย์