Regularización: Ridge, Lasso y Elastic Net

Bloque 12 — Algoritmos de regresión
Objetivo: comprender por qué la estimación por mínimos cuadrados se degrada en dimensión elevada y bajo colinealidad, definir rigurosamente la regularización como penalización del riesgo empírico, dominar las tres penalizaciones usuales — L2 de Ridge, L1 de Lasso, combinación de Elastic Net — saber leer un camino de regularización, calibrar el parámetro alpha por validación cruzada, aplicar sin falta la condición previa de escalado, y transponer el conjunto a la clasificación penalizada.
Duración estimada: 70 minutos
Requisitos previos: capítulos 017, 023, 025, 026, 031, 032, 034, 036, 044, 045 y 046
Quizzes asociados: 047.1-quiz-pourquoi-regulariser.md a 047.8-quiz-lecture-bayesienne.md