Regresija Lasso
Regresija Lasso, koju je Robert Tibshirani uveo 1996. godine, jest metoda linearne regresije koja dodaje L1 kaznu na gubitak kako bi smanjila koeficijente i istodobno provela odabir varijabli, proizvodeći rijedak model. Tjerajući neke koeficijente točno na nulu, zadržava samo prediktore koji su važni.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/hr/machine-learning/lasso-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 NetStrojno učenje↔ compare
- Logistička regresijaIstraživačka statistika↔ compare
- Analiza glavnih komponentStrojno učenje↔ compare
- Ridge RegressionStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →