scikit-learn 和 glmnet 中的弹性网络是否等效？

Question

特别是，glmnet文档暗示它创建了一个用于回归的高斯族的“广义线性模型”，而 scikit-learn 暗示没有这样的事情（即，似乎它是一个纯粹的线性回归，而不是广义的）。但我不确定这一点。

Answer 1

在您链接到的文档中，有一个优化问题准确显示了 GLMnet 中优化的内容：

1/(2N) * sum_i(y_i - beta_0 - x_i^T beta) + lambda * [(1 - alpha)/2 ||beta||_2^2 + alpha * ||beta||_1]

现在看看这里，你会在那里找到与欧几里德范数优化相同的公式。请注意，文档省略了截距w_0，相当于beta_0，但代码确实估计了它。另请注意，lambda成为alpha和alpha成为rho...

“高斯族”方面可能是指使用 L2 损失的事实，这对应于假设噪声是加性高斯。