নিয়মিত লজিস্টিক রিগ্রেশন
নিয়মিত লজিস্টিক রিগ্রেশন (Regularized logistic regression) স্ট্যান্ডার্ড লজিস্টিক রিগ্রেশনকে প্রসারিত করে লগ-লাইকলিহুডের সাথে একটি L1 (ল্যাসো), L2 (রিজ), অথবা ইলাস্টিক নেট পেনাল্টি যোগ করে, যা সহগগুলিকে শূন্যের দিকে সংকুচিত করে এবং ওভারফিটিং প্রতিরোধ করে। উচ্চ-মাত্রিক বা সমরেখ বৈশিষ্ট্য স্থানগুলিতে যখন ব্যাখ্যাযোগ্য, স্পার্স, বা স্থিতিশীল সহগ অনুমান প্রয়োজন হয়, তখন বাইনারি বা মাল্টিনোমিয়াল শ্রেণীকরণের জন্য এটি ডিফল্ট পছন্দ।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+4 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. 4, 18). Springer. ISBN: 978-0-387-84857-0
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/bn/machine-learning/regularized-logistic-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 বৈষম্যমূলক বিশ্লেষণ (LDA)যন্ত্র শিখন↔ compare
- লজিস্টিক রিগ্রেশন (এমএল)যন্ত্র শিখন↔ compare
- নেইভ বেইজযন্ত্র শিখন↔ compare
- নিয়ন্ত্রিত রৈখিক নির্ভরণ (Regularized Linear Regression)যন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →