Harjanneregressio
Harjanneregressio on L2-regularisoitu lineaarisen regression menetelmä, jonka Arthur Hoerl ja Robert Kennard esittelivät vuonna 1970. Se vähentää multikollineaarisuutta lisäämällä rangaistuksen kertoimien suuruudelle. Se kutistaa kertoimia kohti nollaa asettamatta niitä koskaan tarkasti nollaan, tuottaen vakaampia estimaatteja, kun ennustajat ovat voimakkaasti korreloituneita.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/fi/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.
- Elastic NetKoneoppiminen↔ compare
- Lasso-regressioKoneoppiminen↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- PääkomponenttianalyysiKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →