Robustní lineární regrese
Robustní lineární regrese přizpůsobuje lineární model prediktorům a spojitému výsledku tím, že snižuje váhu nebo odstraňuje vlivné odlehlé hodnoty, čímž brání tomu, aby několik anomálních pozorování, na které je metoda nejmenších čtverců (OLS) proslule citlivá, zkreslilo celou odhadnutou přímku. Mezi hlavní varianty patří Huberova regrese, iterativně převažované nejmenší čtverce (IRLS), RANSAC a Theil-Senova regrese.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Zdroje
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
- Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0-471-85233-9
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/cs/machine-learning/robust-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.
- Huberova regreseStatistika↔ compare
- Regrese LassoStrojové učení↔ compare
- Lineární regrese (ML)Strojové učení↔ compare
- Kvantilová regreseEkonometrie↔ compare
- Regularizované lineární regreseStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →