Machine learningMachine learning

Εισαγωγή στην Ανθεκτική Γραμμική Παλινδρόμηση

Η ανθεκτική γραμμική παλινδρόμηση προσαρμόζει ένα γραμμικό μοντέλο μεταξύ προβλεπτικών μεταβλητών και μιας συνεχούς εξαρτημένης μεταβλητής, μειώνοντας την επίδραση ή απορρίπτοντας επιδραστικές ακραίες τιμές, αποτρέποντας έτσι τις λίγες ανώμαλες παρατηρήσεις, στις οποίες η μέθοδος των ελαχίστων τετραγώνων (OLS) είναι διάσημα ευαίσθητη, από το να διαστρεβλώσουν ολόκληρη την εκτιμώμενη γραμμή. Σημαντικές παραλλαγές περιλαμβάνουν την παλινδρόμηση Huber, τα επαναληπτικά επαναθμισμένα ελάχιστα τετράγωνα (IRLS), το RANSAC και την εκτίμηση Theil-Sen.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Πηγές

  1. Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732
  2. Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0-471-85233-9

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateRobust Linear Regression (Robust Linear Regression (Outlier-Resistant Estimation)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/robust-linear-regression · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026