رگرسیون لجستیک منظمشده
رگرسیون لجستیک منظمشده، رگرسیون لجستیک استاندارد را با افزودن یک جریمه L1 (لَسو)، L2 (ریج)، یا الاستیک نِت به لگاریتم درستنمایی گسترش میدهد. این کار باعث کوچکشدن ضرایب به سمت صفر و جلوگیری از بیشبرازش میشود. این روش، انتخاب پیشفرض برای طبقهبندی دوتایی یا چندجملهای است، بهویژه زمانی که به تخمینهای ضریب قابل تفسیر، تنک یا پایدار در فضاهای ویژگی با ابعاد بالا یا همخط نیاز دارید.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+4 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. 4, 18). Springer. ISBN: 978-0-387-84857-0
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/fa/machine-learning/regularized-logistic-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
- تحلیل تشخیصی خطی (LDA)یادگیری ماشین↔ compare
- رگرسیون لجستیک (یادگیری ماشین)یادگیری ماشین↔ compare
- بییز ساده (Naive Bayes)یادگیری ماشین↔ compare
- رگرسیون خطی منظم شدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →