ScholarGate
Asszisztens
Machine learning

Lasso-regresszió

A Robert Tibshirani által 1996-ban bevezetett Lasso-regresszió egy lineáris regressziós módszer, amely az L1-norma büntetést adja a veszteségfüggvényhez, így egyszerre zsugorítja a becslőket és végzi el a változóválasztást, ami ritka modellt eredményez. Néhány becslő nullára redukálásával csak a lényeges prediktorokat tartja meg.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

+15 more

Források

  1. 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

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/hu/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.

Compare side by side

Hivatkozik rá

ScholarGateLasso Regression (Least Absolute Shrinkage and Selection Operator (LASSO)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/machine-learning/lasso-regression · Adatkészlet: https://doi.org/10.5281/zenodo.20539026