Regressione logistica regolarizzata
La regressione logistica regolarizzata estende la regressione logistica standard aggiungendo una penalità L1 (lasso), L2 (ridge) o elastic net alla log-verosimiglianza, contraendo i coefficienti verso lo zero e prevenendo l'overfitting. È la scelta predefinita per la classificazione binaria o multinomiale quando si desiderano stime dei coefficienti interpretabili, sparse o stabili in spazi di feature ad alta dimensionalità o collineari.
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.
+4 more
Fonti
- 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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 4, 18). Springer. ISBN: 978-0-387-84857-0
Come citare questa pagina
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/it/machine-learning/regularized-logistic-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.
- Elastic NetApprendimento automatico↔ compare
- Analisi Discriminante Lineare (LDA)Apprendimento automatico↔ compare
- Regressione Logistica (ML)Apprendimento automatico↔ compare
- Naive BayesApprendimento automatico↔ compare
- Regressione Lineare RegolarizzataApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →