Elastic Net
Elastic Net е метод за регуляризирана линейна регресия, въведен от Zou и Hastie през 2005 г., който комбинира наказанията LASSO (L1) и Ridge (L2), така че извършва селекция на променливи и свиване на коефициентите едновременно. Той е предназначен за предиктивно и обяснително моделиране върху данни с много, евентуално корелирани, предиктори.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/bg/machine-learning/elastic-net
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.
- Регресия ЛасоМашинно обучение↔ compare
- Логистична регресияСтатистика за изследвания↔ compare
- Случайна гораМашинно обучение↔ compare
- Регресия с гребен (Ridge Regression)Машинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →