Регресия Ласо
Регресията Ласо, въведена от Робърт Тибширани през 1996 г., е метод за линейна регресия, който добавя L1 наказание към загубата, така че да свива коефициентите и едновременно с това да извършва подбор на променливи, създавайки разредени модели. Като свежда някои коефициенти точно до нула, тя запазва само важните 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.
+15 more
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/bg/machine-learning/lasso-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.
- Elastic NetМашинно обучение↔ compare
- Логистична регресияСтатистика за изследвания↔ compare
- Анализ на главните компонентиМашинно обучение↔ compare
- Регресия с гребен (Ridge Regression)Машинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →