মূল ইলাস্টিক নেট পেপার Zou & Hastie (2005) লিনিয়ার রিগ্রেশন জন্য ইলাস্টিক নেট ক্ষতি ফাংশন চালু ইলাস্টিক নেট মাধ্যমে নিয়মিতকরণ এবং পরিবর্তনশীল নির্বাচন (এখানে আমি ধরে নিচ্ছি যে সমস্ত ভেরিয়েবল কেন্দ্রিক এবং ইউনিট বৈকল্পিকের জন্য ছোট আকারে আছে): কিন্তু একে " ইলাস্টিক" বলে। তাদের যুক্তি ছিল যে এটি ডাবল সংকোচনের (লাসো এবং রিজ) সঞ্চালন করে, অতিরিক্ত সঙ্কুচিত হওয়ার ঝোঁক থাকে এবং ফলস্বরূপ সমাধানটি নিম্নরূপে উদ্ধার করে উন্নত করা যায়: \ টুপি \ বিটা ^ * = (1+ \ ল্যাম্বদা_2) \ টুপি \ বিটা। তারা কিছু তাত্ত্বিক যুক্তি এবং পরীক্ষামূলক প্রমাণ দিয়েছে যে এটি আরও ভাল পারফরম্যান্সের দিকে নিয়ে যায়।
তবে পরবর্তী glmnet
কাগজ ফ্রেডম্যান, হাসিটি এবং তিবশিরানী (২০১০) স্থায়ী বংশোদ্ভূত মাধ্যমে সাধারণ রৈখিক মডেলের নিয়মিতকরণের পথগুলি এই পুনরুদ্ধারটি ব্যবহার করে নি এবং কেবল একটি সংক্ষিপ্ত পাদটীকা বলেছিল
মালভূমি এবং Hastie (2005) এই শাস্তি নামক সাদাসিধা ইলাস্টিক নেট, এবং একটি rescaled সংস্করণ যা তারা ইলাস্টিক নেট নামক পছন্দ করল। আমরা এই পার্থক্য এখানে ড্রপ।
সেখানে (বা হাস্টি এট আল পাঠ্যপুস্তকের কোনওটিতে) আর কোনও ব্যাখ্যা দেওয়া হয়নি। আমি এটি কিছুটা বিস্মিত মনে। লেখক ছেড়ে কি আউট rescaling কারণ তারা এটা খুব বিবেচিত তদর্থক ? কারণ এটি আরও কিছু পরীক্ষায় আরও খারাপ অভিনয় করেছে? কারণ এটি পরিষ্কার ছিল না যে কীভাবে এটি জিএলএম ক্ষেত্রে সাধারণীকরণ করবেন? আমার কোন ধারণা নাই. তবে যে কোনও ক্ষেত্রে glmnet
প্যাকেজটি তখন থেকেই খুব জনপ্রিয় হয়ে উঠেছে এবং তাই আমার ধারণাটি হ'ল আজকাল কেউইউউউ ও হাস্টি থেকে উদ্ধার ব্যবহার করছে না এবং বেশিরভাগ মানুষ সম্ভবত এই সম্ভাবনা সম্পর্কে সচেতনও নয়।
প্রশ্ন: সর্বোপরি, এটি একটি ভাল ধারণা বা খারাপ ধারণা উদ্ধার করেছিল?
সঙ্গে glmnet
parametrization, মালভূমি ও Hastie rescaling হওয়া উচিত
glmnet
কোডের বাইরে রেখে দেবে না । এটি সেখানে optionচ্ছিক বৈশিষ্ট্য হিসাবেও পাওয়া যায় না (2005 এর পেপারের সাথে তাদের পূর্বের কোড অবশ্যই পুনরুদ্ধারের সমর্থন করে)।