Regresija elastične mreže
Regresija elastične mreže kombinira L1 (lasso) i L2 (ridge) kazne u jedinstveni regularizirani regresijski okvir. Kontrolirana miješajućim parametrom alpha i jačinom skupljanja lambda, može istovremeno odabirati varijable i obrađivati korelirane prediktore — premošćujući ključna ograničenja čistog lassosa i čistog ridgea primijenjenih zasebno.
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 (Statistical Methodology), 67(2), 301-320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer. ISBN: 978-0387848570
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/hr/statistics/elastic-net-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.
- Regresija LassoStrojno učenje↔ compare
- Regresija običnih najmanjih kvadrata (OLS)Ekonometrija↔ compare
- Kvantilna regresijaEkonometrija↔ compare
- Regularizirana logistička regresijaStrojno učenje↔ compare
- Ridge RegressionStrojno učenje↔ compare
- Robustna regresijaStatistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →