Elastic Net
Elastic Net je regularizirana metoda linearne regresije koju su Zou i Hastie predstavili 2005. godine, a koja kombinira LASSO (L1) i Ridge (L2) kazne, čime istovremeno provodi odabir varijabli i smanjivanje koeficijenata. Dizajnirana je za prediktivno i eksplanatorno modeliranje podataka s mnogo, moguće koreliranih, prediktora.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/hr/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.
- Regresija LassoStrojno učenje↔ compare
- Logistička regresijaIstraživačka statistika↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Ridge RegressionStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →