নিয়ন্ত্রিত রৈখিক নির্ভরণ (Regularized Linear Regression)
নিয়ন্ত্রিত রৈখিক নির্ভরণ সাধারণ ন্যূনতম বর্গ (ordinary least-squares) উদ্দেশ্যমূলক ফাংশনে একটি দণ্ড (penalty) পদ যোগ করে, যার ফলে সহগগুলি (coefficients) সঙ্কুচিত বা শূন্য হয়ে যায়। এটি অতিরিক্ত সঙ্গতি (overfitting) হ্রাস করে এবং বহুমাত্রিক সমরৈখিকতা (multicollinearity) মোকাবিলা করে। তিনটি প্রধান প্রকারভেদ — রিজ (Ridge, L2 দণ্ড), ল্যাসো (Lasso, L1 দণ্ড), এবং ইলাস্টিক নেট (Elastic Net, সম্মিলিত L1+L2) — রৈখিক নির্ভরণকে ব্যবহারযোগ্য করে তোলে এমনকি যখন বৈশিষ্ট্যের সংখ্যা পর্যবেক্ষণের চেয়ে বেশি হয় বা ভবিষ্যদ্বাণীকারীগুলি (predictors) অত্যন্ত সম্পর্কযুক্ত থাকে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
উৎস
- 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 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Regularized Linear Regression (Ridge, Lasso, Elastic Net). ScholarGate. https://scholargate.app/bn/machine-learning/regularized-linear-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.
- ইলাস্টিক নেটযন্ত্র শিখন↔ compare
- রৈখিক নির্ভরণ (ML)যন্ত্র শিখন↔ compare
- লজিস্টিক রিগ্রেশন (এমএল)যন্ত্র শিখন↔ compare
- নিয়মিত লজিস্টিক রিগ্রেশনযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →