חסינה וקוונטילית
18 שיטות במשפחה זו.
נבחרות
שגיאות תקן עמידות להטרוסקדסטיות (HC)Heteroscedasticity-robust standard errors are a correction to the covariance matrix of an OLS regression that yields valid inference when the error variance is not constant. Introdרגרסיית הוברHuber regression is a robust linear regression method, introduced by Peter J. Huber in 1964, that resists the influence of outliers by treating small and large residuals differentlרגרסיית ריבועים זעירים חתוכים (Least Trimmed Squares - LTS)Least Trimmed Squares is a robust linear regression method introduced by Peter J. Rousseeuw in 1984. Instead of fitting all residuals, it estimates the coefficients by minimising tאומדני M (רגרסיה רובסטית)M-estimators are a robust generalisation of maximum likelihood estimation, formalised in the work of Peter J. Huber (Huber & Ronchetti, 2009). Instead of squaring every residual, tMM-אמידה לרגרסיה רובסטיתThe MM-estimator is a robust linear regression method introduced by Victor J. Yohai in 1987. It combines the high breakdown point of an S-estimator with the high efficiency of an Mרגרסיית קוונטיל (וריאנטים לא-פרמטריים)Quantile regression, introduced by Koenker and Bassett in 1978, models a chosen conditional quantile (such as the median or the 25th and 75th percentiles) of a continuous outcome r
מסלול קריאה
השיטות היסודיות המצוטטות ביותר בנושא זה, לפי סדר התפתחותן — נקודת פתיחה למי שחדש כאן.
כל השיטות 18
שגיאות תקן עמידות להטרוסקדסטיות (HC)רגרסיית הובררגרסיית ריבועים זעירים חתוכים (Least Trimmed Squares - LTS)אומדני M (רגרסיה רובסטית)MM-אמידה לרגרסיה רובסטיתרגרסיית קוונטיל (וריאנטים לא-פרמטריים)רגרסיית RANSACמחקר הסברי חסין (Robust Explanatory Research)Gradient Boosting חסין (Robust Gradient Boosting)LightGBM חסיןרגרסיה לינארית רובוסטיתרגרסיית כמותון רובסטיתרגרסיה רובסטיתרגרסיית אי-רציפות חסינה (Robust Regression Discontinuity Design)XGBoost חסין (Robust XGBoost)אומד S לרגression רובוסטיאומד תייל-סןאומד W - רגרסיה רובסטית (Welsch / Tukey Bisquare)