Elastic Net
Elastic Net je regularizovaná metoda lineární regrese zavedená Zouem a Hastie v roce 2005, která kombinuje penalizace LASSO (L1) a Ridge (L2), takže současně provádí výběr proměnných a smršťování koeficientů. Je navržena pro prediktivní a vysvětlující modelování na datech s mnoha, potenciálně korelovanými, prediktory.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/cs/machine-learning/elastic-net
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.
- Regrese LassoStrojové učení↔ compare
- Logistická regreseStatistika ve výzkumu↔ compare
- Random ForestStrojové učení↔ compare
- Ridge regreseStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →