Παλινδρόμηση Lasso
Η παλινδρόμηση Lasso, που εισήχθη από τον Robert Tibshirani το 1996, είναι μια μέθοδος γραμμικής παλινδρόμησης που προσθέτει μια ποινή L1 στη συνάρτηση απώλειας, ώστε να συρρικνώνει τους συντελεστές και να εκτελεί ταυτόχρονα επιλογή μεταβλητών, παράγοντας ένα αραιό μοντέλο. Οδηγώντας κάποιους συντελεστές ακριβώς στο μηδέν, διατηρεί μόνο τους προβλεπτικούς παράγοντες που έχουν σημασία.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Πηγές
- Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI: 10.1111/j.2517-6161.1996.tb02080.x ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/el/machine-learning/lasso-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 NetΜηχανική Μάθηση↔ compare
- Λογιστική ΠαλινδρόμησηΕρευνητική Στατιστική↔ compare
- Ανάλυση Κύριων ΣυνιστωσώνΜηχανική Μάθηση↔ compare
- Παλινδρόμηση RidgeΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →