Elastic Net
Elastic Net ist eine von Zou und Hastie im Jahr 2005 eingeführte regularisierte lineare Regressionsmethode, die die LASSO- (L1) und Ridge-Strafen (L2) miteinander verbindet. Sie führt somit gleichzeitig Variablenselektion und Koeffizientenschrumpfung durch. Sie ist für prädiktive und erklärende Modellierungen von Daten mit vielen, möglicherweise korrelierten, Prädiktoren konzipiert.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/de/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.
- Lasso-RegressionMaschinelles Lernen↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Ridge RegressionMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →