機器學習線性迴歸：談談多重共線性問題及相關算法

         前面幾天闡述了線性迴歸的最小二乘法（OLS）在做迴歸時，一致地看待每一個樣本點，是典型的無偏估計，會得到一個使得殘差最小的權重參數。然而，在面對一堆數據集存在多重共線性時，OLS 就變得對樣本點的誤差極爲敏感，最終迴歸後的權重參數方差變大。這就是需要解決的共線性迴歸問題，一般思想是放棄無偏估計，損失一定精度，對數據做有偏估計，這裏介紹兩種常用的算法：脊迴歸和套索迴歸。 00 基本

>>阅读原文<<