Elastic Net
Elastic Net è un metodo di regressione lineare regolarizzato introdotto da Zou e Hastie nel 2005 che fonde le penalità LASSO (L1) e Ridge (L2), quindi esegue la selezione delle variabili e la contrazione dei coefficienti contemporaneamente. È progettato per la modellazione predittiva e esplicativa su dati con molti predittori, possibilmente correlati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/it/machine-learning/elastic-net
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.
- Regressione LassoApprendimento automatico↔ compare
- Regressione LogisticaStatistica per la ricerca↔ compare
- Random ForestApprendimento automatico↔ compare
- Regressione RidgeApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →