4.3.6 Lasso 回归

文档摘要

4.3.6 Lasso 回归 4.3.6 Lasso 回归在光谱定量分析中，建立准确、鲁棒的校正模型是核心任务之一。我们通常采集样品的近红外、拉曼或中红外等光谱数据，这些数据包含了与待测组分含量相关的信息。然而，光谱数据具有高维、多重共线性（不同波长点上的吸光度高度相关）以及可能包含大量与待测组分无关或噪声较大的波长点等特点。传统的多元线性回归 (Multiple Linear Regression, MLR) 在面对这类数据时，容易出现过拟合问题，导致模型泛化能力差。为了克服这些挑战，引入了各种正则化方法，Lasso 回归 (Least Absolute Shrinkage and Selection Operator) 便是其中一种非常有效的技术。