Regresión Lasso
La regresión Lasso, introducida por Robert Tibshirani en 1996, es un método de regresión lineal que añade una penalización L1 a la función de pérdida para encoger los coeficientes y realizar selección de variables simultáneamente, produciendo un modelo disperso. Al llevar algunos coeficientes exactamente a cero, conserva solo los predictores que importan.
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.
+15 more
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/es/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 NetAprendizaje automático↔ compare
- Regresión LogísticaEstadística para la investigación↔ compare
- Análisis de Componentes PrincipalesAprendizaje automático↔ compare
- Regresión RidgeAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →