Hồi quy Lasso: Lựa chọn biến và co ngót Lasso regression: Variable selection and shrinkage Khi mô hình tự biết chọn lọc Trong bài học trước, chúng ta đã tìm hiểu về Hồi quy Ridge, một phương pháp hiệu quả để chống lại hiện tượng khớp quá mức bằng cách co ngót các hệ số hồi quy về phía 0. Tuy nhiên, Ridge có một đặc điểm: nó làm giảm độ lớn của các hệ số, nhưng hầu như không bao giờ đưa chúng về chính xác bằng 0. Điều này có nghĩa là mô hình cuối cùng vẫn giữ lại tất cả các biến dự báo ban đầu, kể cả những biến có thể hoàn toàn không liên quan. Điều gì sẽ xảy ra nếu chúng ta tin rằng trong hàng trăm biến dự báo, chỉ có một số ít thực sự quan trọng? Liệu có cách nào để mô hình có thể tự động “phát hiện” và loại bỏ những biến không cần thiết không? Câu trả lời là có, và đó chính là sức mạnh của …