Machine learningMachine learning

الانحدار اللوجستي المنتظم

يمتد الانحدار اللوجستي المنتظم على الانحدار اللوجستي القياسي بإضافة عقوبة L1 (لاسو)، L2 (ريدج)، أو الشبكة المرنة إلى الاحتمالية اللوغاريتمية، مما يقلص المعاملات نحو الصفر ويمنع الإفراط في التخصيص. إنه الخيار الافتراضي للتصنيف الثنائي أو المتعدد عندما تريد تقديرات معاملات قابلة للتفسير، أو متفرقة، أو مستقرة في مساحات الميزات عالية الأبعاد أو المترابطة.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

+4 more

المصادر

  1. Tibshirani, R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI: 10.1111/j.2517-6161.1996.tb02080.x
  2. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 4, 18). Springer. ISBN: 978-0-387-84857-0

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/ar/machine-learning/regularized-logistic-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

يُستشهد بها في

ScholarGateRegularized Logistic Regression (Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/machine-learning/regularized-logistic-regression · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026