Regressió Lineal Ensemble
La Regressió Lineal Ensemble combina múltiples models de mínims quadrats ordinaris —cadascun ajustat a una mostra bootstrap diferent o a un subconjunt de característiques— i fa la mitjana de les seves prediccions. La tècnica, fonamentada en el marc de bagging de Breiman (1996), redueix la variància i millora l'estabilitat predictiva en comparació amb un sol ajust de regressió lineal, tot conservant la interpretabilitat de les hipòtesis lineals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 8). Springer. ISBN: 978-0-387-84857-0
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Ensemble of Linear Regression Models (Bagged and Stacked Linear Regression). ScholarGate. https://scholargate.app/ca/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)Aprenentatge automàtic↔ compare
- Regressió Lineal (ML)Aprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Regressió Lineal RegularitzadaAprenentatge automàtic↔ compare
- Regressió RidgeAprenentatge automàtic↔ compare
- Votació en conjuntAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →