رگرسیون ریج (Ridge Regression)
رگرسیون ریج یک روش رگرسیون خطی با تنظیمکننده L2 است که در سال ۱۹۷۰ توسط آرتور هورل و رابرت کنارد معرفی شد. این روش با افزودن یک جریمه به اندازه ضرایب، همخطی چندگانه را کاهش میدهد. رگرسیون ریج ضرایب را به سمت صفر کوچک میکند، بدون اینکه هیچیک از آنها را دقیقاً صفر کند، و در نتیجه تخمینهای پایدارتری را در شرایطی که پیشبینیکنندهها همبستگی بالایی دارند، ارائه میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
منابع
- Hoerl, A.E. & Kennard, R.W. (1970). Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, 12(1), 55–67. DOI: 10.1080/00401706.1970.10488634 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/fa/machine-learning/ridge-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 لسویادگیری ماشین↔ compare
- رگرسیون لجستیکآمار پژوهش↔ compare
- تحلیل مؤلفههای اصلییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →