岭回归和lasso回归预处理

岭回归和Lasso回归是两种常见的线性回归预处理方法。

岭回归通过在原始损失函数中添加一个正则项来缩小回归系数的值，从而降低模型的方差。这个正则项是一个L2范数惩罚项，它可以将一些不重要的特征系数收缩到零，从而达到选择特征的作用。

Lasso回归与岭回归类似，也是通过添加一个正则项来约束回归系数，但不同的是，Lasso回归使用L1范数正则化，这种方法可以将一些不重要的特征系数缩小到零，从而实现特征选择。

在使用这两种方法时，需要调整正则化参数来达到最优模型，因为正则化参数可以控制模型的复杂度和预测精度。