Ridge Regression (L2-Regularized Linear Regression)
Kada su prediktori snažno korelirani, koeficijenti obične najmanje kvadratične metode (ordinary least squares) postaju nestabilni i mogu divlje oscilirati iz uzorka u uzorak. Grebensko regresijsko namjerno prihvaća malu količinu pristranosti (bias) u zamjenu za znatno niži varijaciju: dodavanjem kazne na kvadratnu veličinu koeficijenata, ublažava te divlje oscilacije i zadržava sve varijable u modelu, samo s manjim, stabilnijim težinama.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
+22 više
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/hr/machine-learning/ridge-regression
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Elastic NetStrojno učenje↔ usporedi
- Regresija LassoStrojno učenje↔ usporedi
- Logistička regresijaIstraživačka statistika↔ usporedi
- Analiza glavnih komponentStrojno učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →