Inférence, estimation et prise de décision à partir des données
OLS trouve les coefficients qui ajustent le mieux les données d'entraînement, ce qui est exactement le problème quand vous avez beaucoup de features ou peu de données : il ajuste aussi le bruit, et les coefficients partent vers des valeurs sauvages. La régression régularisée apprivoise cela en ajoutant une pénalité qui punit les grands coefficients, échangeant un peu d'ajustement d'entraînement pour une bien meilleure généralisation.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Régression Régularisée