以下是《R 中的统计学习简介》一书的节选，（章节线性模型选择和正则化）
“在岭回归中，每个最小二乘系数估计都缩小了相同的比例”
在一个简单的数据集上，我使用 OLS 获得了 2 个非截距系数 b1=-0.03036156 和 b2=-0.02481822。在 lambda=1 的 l2 收缩上，新系数为 b1=-0.01227141 和 b2=-0.01887098。两者都没有以相等的比例减少。我在这里想念什么？
笔记：
据我所知，我们有以下岭回归方程：
首先，在我看来，如果 lambda 变高并不意味着系数与 lambda 成反比下降。因为 beta 的幂是 2 而 lambda 是 1。
我认为您参考了“统计学习简介”一书的第226页。在该图的脚注中，作者说：
"The ridge regression and lasso coefficient estimates for a simple setting with n = p and X
a diagonal matrix with 1’s on the diagonal. Left: The ridge regression coefficient estimates
are shrunken proportionally towards zero, relative to the least-squares estimates.
Right: The lasso coefficient estimates are soft-thresholded towards zero."
在该图中显示，如果我们在 OLS 模型中得到 +2 和 -2 系数，并且如果 Ridge 缩小 +2 到 +1.8，那么我们确信 Ridge 将缩小 -2 到 -1.8。因此，在这两种情况下，具有相同比例的 0.2 系数接近于零。