Elastic Net
Elastic Net on esitelty säännöllistetty lineaarisen regression menetelmä, jonka Zou ja Hastie esittelivät vuonna 2005. Se yhdistää LASSO (L1) ja Ridge (L2) rangaistukset, joten se suorittaa sekä muuttujien valintaa että kerrointen kutistamista samanaikaisesti. Se on suunniteltu ennustavaan ja selittävään mallintamiseen datassa, jossa on monia, mahdollisesti korreloivia ennustimia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/fi/machine-learning/elastic-net
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.
- Lasso-regressioKoneoppiminen↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Random ForestKoneoppiminen↔ compare
- HarjanneregressioKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →