Machine learning

רגרסיית רכס

רגרסיית רכס היא שיטת רגרסיה לינארית עם רגולריזציית L2, שהוצגה על ידי ארתור הורל ורוברט קנארד בשנת 1970, המפחיתה מולטיקולינאריות על ידי הוספת קנס לגודל המקדמים. היא מכווצת מקדמים לכיוון אפס מבלי להגדיר אף אחד מהם בדיוק לאפס, ומייצרת אומדנים יציבים יותר כאשר המנבאים מתואמים מאוד.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

+22 more

מקורות

  1. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateRidge Regression (Ridge Regression (L2-Regularized Linear Regression)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/ridge-regression · מערך נתונים: https://doi.org/10.5281/zenodo.20539026