regularization notebook · 07
系数怎样被惩罚项“拉回来”
同一组相关特征、同一份目标值，只改变惩罚方式和强度。观察整条路径，比只看某一个 λ 更容易理解 Ridge 的平滑收缩与 Lasso 的稀疏选择。
五个特征的系数路径
横轴为 log₁₀(λ)，虚线是当前 λ；纵轴为标准化后的回归系数。
非零系数数量
0 / 5
以 |β| > 0.03 计为进入模型。
相关特征 x₁、x₂
等待计算
比较两个相关特征是否在当前 λ 下共同保留。
regularization notebook · 07
同一组相关特征、同一份目标值，只改变惩罚方式和强度。观察整条路径，比只看某一个 λ 更容易理解 Ridge 的平滑收缩与 Lasso 的稀疏选择。
横轴为 log₁₀(λ)，虚线是当前 λ；纵轴为标准化后的回归系数。
0 / 5
以 |β| > 0.03 计为进入模型。
等待计算
比较两个相关特征是否在当前 λ 下共同保留。