Regressió amb Elastic Net
La regressió amb Elastic Net combina les penalitzacions L1 (lasso) i L2 (ridge) en un únic marc de regressió regularitzada. Controlada per un paràmetre de barreja alpha i una força de contracció lambda, pot seleccionar variables simultàniament i gestionar predictors correlacionats, superant limitacions clau del lasso pur i del ridge purs aplicats sols.
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
- Zou, H., & Hastie, T. (2005). Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(2), 301-320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer. ISBN: 978-0387848570
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/ca/statistics/elastic-net-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.
- Regressió LassoAprenentatge automàtic↔ compare
- Regressió per Mínims Quadrats Ordinàris (MQO)Econometria↔ compare
- Regressió quantílicaEconometria↔ compare
- Regressió logística regularitzadaAprenentatge automàtic↔ compare
- Regressió RidgeAprenentatge automàtic↔ compare
- Regressió robustaEstadística↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →