มาตรฐานก่อน Lasso จำเป็นจริงๆหรือ?

ฉันได้อ่านเหตุผลหลักสามข้อสำหรับการกำหนดค่ามาตรฐานให้กับตัวแปรก่อนหน้าบางอย่างเช่นLassoการถดถอย:

1) การตีความค่าสัมประสิทธิ์

2) ความสามารถในการจัดอันดับความสำคัญของค่าสัมประสิทธิ์โดยขนาดสัมพัทธ์ของการประมาณค่าสัมประสิทธิ์หลังการหดตัว

3) ไม่ต้องมีการสกัดกั้น

แต่ฉันสงสัยเกี่ยวกับจุดที่สำคัญที่สุด เรามีเหตุผลหรือไม่ที่จะคิดว่าการสร้างมาตรฐานจะช่วยปรับปรุงการวางนัยทั่วไปของตัวอย่าง? นอกจากนี้ฉันไม่สนใจว่าฉันไม่ต้องการการสกัดกั้นในแบบจำลองของฉันหรือไม่ เพิ่มหนึ่งไม่เจ็บฉัน

Lasso regression ทำให้ข้อ จำกัด เกี่ยวกับขนาดของสัมประสิทธิ์ที่เกี่ยวข้องกับแต่ละตัวแปร อย่างไรก็ตามค่านี้จะขึ้นอยู่กับขนาดของแต่ละตัวแปร ดังนั้นจึงจำเป็นต้องจัดให้อยู่กึ่งกลางและลดหรือสร้างมาตรฐานให้กับตัวแปร

ผลของการรวมศูนย์ตัวแปรหมายความว่าไม่มีการสกัดกั้นอีกต่อไป สิ่งนี้ใช้ได้กับการถดถอยแบบสัน

คำอธิบายที่ดีอีกข้อหนึ่งก็คือโพสต์นี้: ความต้องการในการจัดศูนย์ข้อมูลให้เป็นมาตรฐานในการถดถอย

พารามิเตอร์การลงโทษ L1 เป็นการรวมคำศัพท์เบต้าแบบสัมบูรณ์ หากตัวแปรมีมิติข้อมูลที่แตกต่างกันทั้งหมดเทอมนี้ไม่ได้เป็นสารเติมแต่งแม้ว่าทางคณิตศาสตร์จะไม่มีข้อผิดพลาดก็ตาม

อย่างไรก็ตามฉันไม่เห็นตัวแปรดัมมี่ / หมวดหมู่ที่ทุกข์ทรมานจากปัญหานี้และคิดว่าพวกเขาไม่จำเป็นต้องได้มาตรฐาน การทำให้เป็นมาตรฐานเหล่านี้อาจลดความสามารถในการตีความของตัวแปร