Lasso
彈性網比套索有什麼缺點嗎？
與套索相比，使用彈性網有什麼缺點。我知道彈性網絡能夠選擇高度相關的變量組。
- 不存在選擇多於的問題預測器何時. 而當套索飽和時.
- 當存在高度相關的預測變量時，套索傾向於只從組中選擇一個預測變量。
- 什麼時候並且預測變量是相關的，lasso 的預測性能小於 ridge。
套索的所有這些缺點都被彈性網克服了。
我不明白什麼時候應該使用套索？當彈性網的性能優於套索時，是否有任何理由使用它？在某些情況下使用彈性網有什麼缺點？在哪些情況下套索會是更好的選擇？
一個缺點是計算成本。您需要交叉驗證 L1 與 L2 懲罰的相對權重，，這會增加計算成本網格。
另一個缺點（但同時也是一個優點）是估算器的靈活性。更大的靈活性會增加過度擬合的可能性。可能是最優的對於總體和給定的樣本量是，將彈性網絡變成套索，但您碰巧選擇了不同的值（因為該值在特定樣本中進行交叉驗證時會提供更好的性能）。