Lasso / Ridge回帰の標準化と正規化

リッジとラッソ回帰の機能を標準化することは一般的な慣行であることを認識していますが、これらの回帰メソッドのzスコア標準化の代わりに（0,1）スケールで機能を正規化する方が実際的でしょうか？

正規化（[0,1]で絞る）を適用すると、相対的な変数の重要度が測定されますが、変数のスケールが変更され、すべてのモデルの解釈性が失われます。標準化の利点は、正規化されていないOLS回帰の場合と同じようにモデルを解釈できることです（これは既にここで既に回答されています）。

正規化は、正規化を行うメソッドにとって非常に重要です。これは、変数のスケールが特定の変数に適用される正則化の程度に影響するためです。

たとえば、1つの変数が非常に大規模、たとえば数百万のオーダーで、別の変数が0〜1であるとします。次に、正規化は最初の変数にほとんど影響を与えないと考えられます。

正規化と同様に、0から1に正規化するか、機能を標準化することはあまり重要ではありません。