नियमितीकृत लॉजिस्टिक रिग्रेशन
नियमितीकृत लॉजिस्टिक रिग्रेशन मानक लॉजिस्टिक रिग्रेशन का विस्तार है, जिसमें लॉग-लाइकलीहुड में L1 (लासो), L2 (रिज), या इलास्टिक नेट पेनल्टी जोड़ी जाती है, जो गुणांकों को शून्य की ओर सिकोड़ती है और ओवरफिटिंग को रोकती है। यह बाइनरी या मल्टीनोमियल वर्गीकरण के लिए डिफ़ॉल्ट विकल्प है जब आप उच्च-आयामी या सहरेखीय फीचर स्पेस में व्याख्या योग्य, विरल, या स्थिर गुणांक अनुमान चाहते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
स्रोत
- 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. 4, 18). Springer. ISBN: 978-0-387-84857-0
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/hi/machine-learning/regularized-logistic-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.
- इलास्टिक नेटमशीन अधिगम↔ compare
- रैखिक विभेदक विश्लेषण (LDA)मशीन अधिगम↔ compare
- लॉजिस्टिक रिग्रेशन (एमएल)मशीन अधिगम↔ compare
- Naive Bayesमशीन अधिगम↔ compare
- नियमित रैखिक प्रतिगमनमशीन अधिगम↔ compare