Robusztus lineáris regresszió
A robusztus lineáris regresszió lineáris modellt illeszt az előrejelzők és egy folytonos kimenetel közé, miközben leértékeli vagy elveti a befolyásos kiugró értékeket, megakadályozva, hogy a néhány rendellenes megfigyelés, amelyre az OLS (legkisebb négyzetek módszere) híresen érzékeny, eltorzítsa az egész becsült egyenest. A főbb változatok közé tartozik a Huber-regresszió, az iteratív súlyozott legkisebb négyzetek (IRLS), a RANSAC és a Theil-Sen becslés.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Források
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
- Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0-471-85233-9
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/hu/machine-learning/robust-linear-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.
- Huber-regresszióStatisztika↔ compare
- Lasso-regresszióGépi tanulás↔ compare
- Lineáris Regresszió (ML)Gépi tanulás↔ compare
- Kvantilis regresszióÖkonometria↔ compare
- Regularizált lineáris regresszióGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →