如何解决为什么插入符号假设BestModel =最小化CV度量而不是像LASSO中那样的minimum + 1se？
通常，在接近LASSO时，最佳超参数lambda假定为lambda.1se（在glmnet程序包中），这是最小化/最大化CV度量（通常为AUC，Accuracy或Deviance）PLUS 1标准的lambda。偏差。 lamnda.1se = lambda.min + sd（lambda.min）
通过这种方式，处罚力度更大，模型不太容易过拟合。
但是，在插入符号中，我总是会发现最佳模型与CV度量的最小值/最大值相对应的假设。明智吗？
有没有办法让插入符号训练功能选择与lambda.1se相对应的模型？
谢谢。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
