W przypadku LASSO (i innych procedur wyboru modelu) kluczowe jest przeskalowanie predyktorów. Ogólna rekomendacja śledzę to po prostu użyć 0, 1 średni normalizację standardowego odchylenia dla zmiennych ciągłych. Ale co to ma wspólnego z manekinami?
Np. Niektóre zastosowane przykłady z tej samej (doskonałej) szkoły letniej powiązałem z przeskalowaniem zmiennych ciągłych, aby były między 0 a 1 (choć nie świetne z wartościami odstającymi), prawdopodobnie aby były porównywalne z manekinami. Ale nawet to nie gwarantuje, że współczynniki powinny być tego samego rzędu wielkości, a tym samym ukarane podobnie, główny powód przeskalowania, prawda?