Regressió Lineal Regularitzada
La regressió lineal regularitzada afegeix un terme de penalització a l'objectiu de mínims quadrats ordinaris, reduint o anul·lant els coeficients per disminuir el sobreajustament i gestionar la multicol·linearitat. Les tres variants principals —Ridge (penalització L2), Lasso (penalització L1) i Elastic Net (combinació L1+L2)— fan que la regressió lineal sigui utilitzable fins i tot quan el nombre de característiques supera el d'observacions o els predictors estan altament correlacionats.
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.
+2 more
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Regularized Linear Regression (Ridge, Lasso, Elastic Net). ScholarGate. https://scholargate.app/ca/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.
- Elastic NetAprenentatge automàtic↔ compare
- Regressió Lineal (ML)Aprenentatge automàtic↔ compare
- Regressió Logística (ML)Aprenentatge automàtic↔ compare
- Regressió logística regularitzadaAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →