складність 4/5
Elastic Net
Лінійна регресія зі штрафом у вигляді зваженої суміші L1 і L2: вона відбирає ознаки, як Lasso, і водночас тримає корельовані групи разом, як Ridge.
Інтуїція
Lasso і Ridge кожен провалюється там, де інший сильний. Lasso дає коротку, читабельну модель, але поводиться хаотично на корельованих ознаках: він лишає одну з групи й відкидає її майже-близнюків, а яку саме лишить, може змінюватися між повторними підгонками. Ridge стабільний за кореляції, але ніколи нічого не прибирає.
Еластична сітка несе обидва штрафи одночасно й дозволяє задати пропорцію. Частина L1 і далі обнуляє коефіцієнти; частина L2 не дає відбору серед корельованих ознак перетворитися на підкидання монети.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- scikit-learn — sklearn.linear_model.ElasticNetdocs · звірено 2026-08-31https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.ElasticNet.html
- Deep Learning (2016)book · звірено 2026-10-07https://www.deeplearningbook.org/contents/regularization.html
- scikit-learn user guide — Linear Modelsdocs · звірено 2026-10-07https://scikit-learn.org/stable/modules/linear_model.html