Регуляризация и отбор переменных с помощью Elastic Net

Резюме: Мы предлагаем метод Elastic Net — новый метод регуляризации и отбора переменных. На реальных данных и в моделировании показано, что Elastic Net часто превосходит lasso, при этом обеспечивая сопоставимую разреженность представления. Кроме того, Elastic Net способствует эффекту группировки: сильно скоррелированные предикторы имеют тенденцию одновременно включаться в модель или исключаться из неё. Elastic Net особенно полезен, когда число предикторов (p) значительно превышает число наблюдений (n). В отличие от этого, lasso не является удовлетворительным методом отбора переменных в случае p ≫ n. Предложен алгоритм LARS-EN для эффективного вычисления путей регуляризации Elastic Net, аналогично тому, как алгоритм LARS работает для lasso.