Что такое альфа-параметр для нормализации L1 в scikit-learn QuantileRegressor [перенесено] ⇐ Python

[Anonymous]

В документации по квантильной регрессии scikit-learn показан пример, в котором параметр альфа установлен в ноль. По умолчанию установлено значение 1.
В документации QuantileRegressor указано значение по умолчанию, равное 1,0. В нем говорится, что это константа регуляризации, которая умножает штрафной член L1.
У меня нет интуитивного понимания того, что такое Лассо или что именно означает регрессия L1.
Есть ли интуитивное объяснение того, как параметр альфа связан с этими вещами?
В Википедии есть довольно подробная статья, посвященная квантильной регрессии. Если просмотреть это, то окажется, что альфа — это лямбда в разделе Выбор параметра регуляризации. В другом месте его также можно называть t.
Моя интуиция может ошибаться.
Мои выводы на данный момент является ли то, что альфа, вероятно, имеет эффект только в задачах многомерной (> 1) регрессии, и ее можно использовать для выбора подмножества измерений, то есть наиболее значимых измерений, которые имеют наибольшую статистически прогностическую силу?

Подробнее здесь: https://stackoverflow.com/questions/792 ... ileregress