Регресия с еластична мрежа
Регресията с еластична мрежа комбинира L1 (lasso) и L2 (ridge) наказания в една регуляризирана регресионна рамка. Контролирана от смесващ параметър алфа и сила на свиване ламбда, тя може едновременно да избира променливи и да обработва корелирани предиктори — преодолявайки ключови ограничения на чистия ласо и чистия ридж, приложени поотделно.
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 (Statistical Methodology), 67(2), 301-320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer. ISBN: 978-0387848570
Как да цитирате тази страница
ScholarGate. (2026, June 3). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/bg/statistics/elastic-net-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.
- Регресия ЛасоМашинно обучение↔ compare
- Метод на най-малките квадрати (МНК)Иконометрия↔ compare
- Квантилна регресияИконометрия↔ compare
- Регуляризирана логистична регресияМашинно обучение↔ compare
- Регресия с гребен (Ridge Regression)Машинно обучение↔ compare
- Робустна регресияСтатистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →