רגרסיה לינארית מרוסנת
רגרסיה לינארית מרוסנת (Regularized linear regression) מוסיפה איבר עונשין לפונקציית המטרה של ריבועים פחותים רגילים, ובכך מכווצת או מאפסת מקדמים כדי להפחית התאמת יתר (overfitting) ולטפל בריבוי קווי (multicollinearity). שלוש הווריאציות העיקריות — Ridge (עונש L2), Lasso (עונש L1) ו-Elastic Net (שילוב L1+L2) — הופכות את הרגרסיה הלינארית לשימושית גם כאשר מספר המאפיינים עולה על מספר התצפיות או כאשר המנבאים מתואמים מאוד.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
מקורות
- Tibshirani, R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI: 10.1111/j.2517-6161.1996.tb02080.x ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Regularized Linear Regression (Ridge, Lasso, Elastic Net). ScholarGate. https://scholargate.app/he/machine-learning/regularized-linear-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 Netלמידת מכונה↔ compare
- רגרסיה לינארית (ML)למידת מכונה↔ compare
- רגרסיה לוגיסטית (למידת מכונה)למידת מכונה↔ compare
- רגרסיה לוגיסטית עם רגולריזציהלמידת מכונה↔ compare