ScholarGate
Asisten
Machine learning

Regresi Ridge

Ridge Regression adalah metode regresi linear yang diregularisasi L2, diperkenalkan oleh Arthur Hoerl dan Robert Kennard pada tahun 1970, yang mengurangi multikolinearitas dengan menambahkan penalti pada besaran koefisien. Metode ini menyusutkan koefisien mendekati nol tanpa menjadikannya tepat nol, menghasilkan estimasi yang lebih stabil ketika prediktor sangat berkorelasi.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

+22 more

Sumber

  1. 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

Cara menyitasi halaman ini

ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/id/machine-learning/ridge-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

Dirujuk oleh

ScholarGateRidge Regression (Ridge Regression (L2-Regularized Linear Regression)). Diakses 2026-06-15 dari https://scholargate.app/id/machine-learning/ridge-regression · Set data: https://doi.org/10.5281/zenodo.20539026