رگرسیون خطی منظم شده
رگرسیون خطی منظم شده با افزودن یک جمله جریمه به هدف کمترین مربعات معمولی، ضرایب را کوچک یا صفر میکند تا بیشبرازش را کاهش داده و همخطی چندگانه را مدیریت کند. سه نوع اصلی - ریج (جریمه L2)، لسو (جریمه L1) و الاستیک نت (ترکیبی L1+L2) - رگرسیون خطی را حتی زمانی که تعداد ویژگیها از مشاهدات بیشتر است یا پیشبینیکنندهها همبستگی بالایی دارند، قابل استفاده میسازند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
منابع
- 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 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Regularized Linear Regression (Ridge, Lasso, Elastic Net). ScholarGate. https://scholargate.app/fa/machine-learning/regularized-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.
- الاستیک نت (Elastic Net)یادگیری ماشین↔ compare
- رگرسیون خطی (یادگیری ماشین)یادگیری ماشین↔ compare
- رگرسیون لجستیک (یادگیری ماشین)یادگیری ماشین↔ compare
- رگرسیون لجستیک منظمشدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →