L1L2regularisointi
L1L2regularisointi, Suomessa usein kutsuttuna elastic net -säännöllistämiseksi, on säännöllistämistekniikka, jota käytetään tilastollisessa mallinnuksessa ja koneoppimisessa estämään ylikouluminen ja parantamaan mallin yleisyyttä. Se yhdistää L1-normin (lasso) ja L2-normin (ridge) rangaistukset malleihin kohdistuvien kertoimien (w) päälle.
Perusmuoto on optimoida kohdistusfunktio Loss(y, Xw) sekä säännöllistämismäärä λ [ α ||w||1 + (1 − α)/2 ||w||2^2 ], jossa λ > 0 on
Ominaisuudet ja kehittäjät. L1-osa kannustaa harventamaan koeffisientteja, eli joitakin kertoimia voidaan asettaa tarkasti nolliksi, mikä johtaa
Käyttö ja algoritmit. Säännöllistämistä käytetään sekä lineaarisissa että ei-lineaarisissa malleissa, kuten lineaarisessa ja logistisessa regressiossa sekä
Historia. Elastic net on esitelty vuonna 2005 Zou ja Hastie, ja siitä on sittemmin tullut yleisesti käytetty