Regresión Lineal Robusta
La regresión lineal robusta ajusta un modelo lineal entre predictores y un resultado continuo, reduciendo el peso o descartando valores atípicos influyentes, lo que evita que las pocas observaciones anómalas a las que los MCO son famosamente sensibles distorsionen toda la línea estimada. Las variantes principales incluyen la regresión de Huber, los mínimos cuadrados iterativamente reponderados (IRLS), RANSAC y la estimación de Theil-Sen.
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.
+1 more
Fuentes
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
- Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0-471-85233-9
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/es/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.
- Regresión de HuberEstadística↔ compare
- Regresión LassoAprendizaje automático↔ compare
- Regresión lineal (ML)Aprendizaje automático↔ compare
- Regresión CuantílicaEconometría↔ compare
- Regresión Lineal RegularizadaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →