Как выбрать между L1, L2 и Elastic Net для интерпретируемой линейной модели?

Нужен sparse набор признаков → L1; стабильность при корреляциях и сжатие → L2; группы коррелированных предикторов → Elastic Net. Всегда CV по λ и масштабирование.

Разбор

• Стабильность отбора — bootstrap границ признаков.
• Интерпретация после отбора смещена (post-selection inference).
• Доменные ограничения (знаки коэффициентов) важнее штрафа.
• Сравнивайте predictive CV, не только sparsity.

Итог

Штраф — инструмент цели (отбор vs стабильность), а не религия.