Regression modelRegression / GLM

Робустна регресия

OLS напасва линия чрез минимизиране на квадратите на остатъците, което означава, че дори една екстремна точка от данните може да издърпа линията далеч от по-голямата част от данните. Робастната регресия вместо това използва функция на загубата, която расте по-бавно от квадрат за големи остатъци, така че отдалечените екстремни стойности допринасят много по-малко за напасването. Алгоритъмът прогресивно намалява теглото на наблюденията с големи остатъци при всяка итерация — напаснатата линия в крайна сметка представя точно по-голямата част от данните, докато екстремните стойности се изолират, вместо да бъдат приети.

Приложете с StatMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

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

+17 more

Източници

  1. Huber, P. J. (1964). Robust estimation of a location parameter. The Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732
  2. Hampel, F. R., Ronchetti, E. M., Rousseeuw, P. J., & Stahel, W. A. (1986). Robust Statistics: The Approach Based on Influence Functions. Wiley. ISBN: 978-0471735779

Как да цитирате тази страница

ScholarGate. (2026, June 3). Robust Regression. ScholarGate. https://scholargate.app/bg/statistics/robust-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

Цитиран в

ScholarGateRobust Regression (Robust Regression). Извлечено на 2026-06-15 от https://scholargate.app/bg/statistics/robust-regression · Набор от данни: https://doi.org/10.5281/zenodo.20539026