Ridge-regression
Ridge-regression er en L2-regulariseret lineær regressionsmetode, introduceret af Arthur Hoerl og Robert Kennard i 1970, der reducerer multikollinearitet ved at tilføje en straf på koefficienternes størrelse. Den skrumper koefficienter mod nul uden at sætte nogen af dem præcist til nul, hvilket producerer mere stabile estimater, når prædiktorer er stærkt korrelerede.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
Kilder
- Hoerl, A.E. & Kennard, R.W. (1970). Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, 12(1), 55–67. DOI: 10.1080/00401706.1970.10488634 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/da/machine-learning/ridge-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 NetMaskinlæring↔ compare
- Lasso-regressionMaskinlæring↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Principal Component AnalysisMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →