Régression Ridge
La régression Ridge est une méthode de régression linéaire régularisée par L2, introduite par Arthur Hoerl et Robert Kennard en 1970, qui réduit la multicolinéarité en ajoutant une pénalité sur la taille des coefficients. Elle réduit les coefficients vers zéro sans en fixer aucun exactement à zéro, produisant des estimations plus stables lorsque les prédicteurs sont fortement corrélés.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/fr/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 NetApprentissage automatique↔ compare
- Régression LassoApprentissage automatique↔ compare
- Régression logistiqueStatistiques de recherche↔ compare
- Analyse en composantes principalesApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →