Je comprends le rôle que joue lambda dans une régression élastique-nette. Et je peux comprendre pourquoi on sélectionnerait lambda.min, la valeur de lambda qui minimise l'erreur de validation croisée.
Ma question est: où dans la littérature statistique est-il recommandé d'utiliser lambda.1se, quelle est la valeur de lambda qui minimise l'erreur CV plus une erreur standard ? Je n'arrive pas à trouver une citation formelle, ou même une raison pour laquelle c'est souvent une bonne valeur. Je comprends que c'est une régularisation plus restrictive et réduira davantage les paramètres vers zéro, mais je ne suis pas toujours certain des conditions dans lesquelles lambda.1se est un meilleur choix que lambda.min. Quelqu'un peut-il aider à expliquer?