ScholarGate
Assistente
Machine learning

Regressione Ridge

La Regressione Ridge è un metodo di regressione lineare regolarizzata L2, introdotto da Arthur Hoerl e Robert Kennard nel 1970, che riduce la multicollinearità aggiungendo una penalità alla dimensione dei coefficienti. Restringe i coefficienti verso zero senza impostarne alcuno esattamente a zero, producendo stime più stabili quando i predittori sono altamente correlati.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

+22 more

Fonti

  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

Come citare questa pagina

ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/it/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

Citato da

ScholarGateRidge Regression (Ridge Regression (L2-Regularized Linear Regression)). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/ridge-regression · Insieme di dati: https://doi.org/10.5281/zenodo.20539026