基于L曲线方法的Lasso正则化参数选择

作者：吴炜明; 王延新^*

来源：西南师范大学学报(自然科学版), 2022, 47(01): 36-42.

DOI：10.13718/j.cnki.xsxb.2022.01.006

• 高维数据
• 变量选择
• Lasso
• LC准则
• 正则化参数

大数据背景下，基于罚函数的正则化方法是高维数据变量选择的重要方法. Lasso估计是常用的变量选择方法，而Lasso正则化参数的取值直接影响选择模型的性能，是正则化方法成败的关键.针对Lasso估计，提出一种新的L曲线(LC)准则选择正则化参数.数值模拟和实际应用表明：相比CV,GCV,BIC等准则，LC准则能够以较高的概率选择真实的模型，并且具有较小的模型误差.

• 单位
  宁波工程学院; 安徽工业大学