Ridge Regression
Ridge Regression ist eine L2-regularisierte lineare Regressionsmethode, die 1970 von Arthur Hoerl und Robert Kennard eingeführt wurde und Multikollinearität reduziert, indem sie eine Strafe auf die Größe der Koeffizienten hinzufügt. Sie schrumpft Koeffizienten in Richtung Null, ohne sie exakt auf Null zu setzen, und liefert stabilere Schätzungen, wenn Prädiktoren stark korreliert sind.
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.
+22 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/de/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 NetMaschinelles Lernen↔ compare
- Lasso-RegressionMaschinelles Lernen↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- HauptkomponentenanalyseMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →