Regresión lineal de conjunto
La regresión lineal de conjunto combina múltiples modelos de mínimos cuadrados ordinarios —cada uno ajustado sobre una muestra bootstrap o un subconjunto de características diferente— y promedia sus predicciones. La técnica, basada en el marco de bagging de Breiman (1996), reduce la varianza y mejora la estabilidad predictiva en comparación con un único ajuste de regresión lineal, al tiempo que conserva la interpretabilidad de los supuestos lineales.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 8). Springer. ISBN: 978-0-387-84857-0
Cómo citar esta página
ScholarGate. (2026, June 3). Ensemble of Linear Regression Models (Bagged and Stacked Linear Regression). ScholarGate. https://scholargate.app/es/machine-learning/ensemble-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.
- Agregación por Bootstrap (Bagging)Aprendizaje automático↔ compare
- Regresión lineal (ML)Aprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Regresión Lineal RegularizadaAprendizaje automático↔ compare
- Regresión RidgeAprendizaje automático↔ compare
- Ensamble de votaciónAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →