الاستیک نت (Elastic Net)
الاستیک نت روشی رگرسیون خطی منظمشده است که در سال ۲۰۰۵ توسط زو و هستی (Zou and Hastie) معرفی شد و جریمههای LASSO (L1) و Ridge (L2) را ترکیب میکند، بنابراین همزمان انتخاب متغیر و انقباض ضریب را انجام میدهد. این روش برای مدلسازی پیشبینانه و تبیینی بر روی دادههایی با پیشبینیکنندههای متعدد، که احتمالاً همبسته هستند، طراحی شده است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/fa/machine-learning/elastic-net
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- رگرسیون لسویادگیری ماشین↔ مقایسه
- رگرسیون لجستیکآمار پژوهش↔ مقایسه
- جنگل تصادفییادگیری ماشین↔ مقایسه
- رگرسیون ریج (Ridge Regression)یادگیری ماشین↔ مقایسه
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →