Machine learning
इलास्टिक नेट
इलास्टिक नेट ज़ौ और हैस्टी द्वारा 2005 में प्रस्तुत एक नियमित रैखिक प्रतिगमन विधि है जो LASSO (L1) और रिज (L2) दंडों को मिश्रित करती है, जिससे यह एक साथ चर चयन और गुणांक संकुचन दोनों को निष्पादित करती है। इसे कई, संभवतः सहसंबद्ध, भविष्यवक्ताओं वाले डेटा पर भविष्य कहनेवाला और व्याख्यात्मक मॉडलिंग के लिए डिज़ाइन किया गया है।
पूरी विधि पढ़ें
केवल सदस्यों के लिए
साइन इन करेंयह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/hi/machine-learning/elastic-net
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.
- लासो रिग्रेशनमशीन अधिगम↔ compare
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- रिज रिग्रेशनमशीन अधिगम↔ compare