Regressione Lineare Robusta
La regressione lineare robusta adatta un modello lineare tra i predittori e un risultato continuo, riducendo il peso o scartando gli outlier influenti, impedendo che le poche osservazioni anomale, a cui l'OLS è notoriamente sensibile, distorcano l'intera linea stimata. Le varianti principali includono la regressione di Huber, i minimi quadrati iterativamente riponderati (IRLS), RANSAC e la stima di Theil-Sen.
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.
+1 more
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/it/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.
- Regressione di HuberStatistica↔ compare
- Regressione LassoApprendimento automatico↔ compare
- Regressione Lineare (ML)Apprendimento automatico↔ compare
- Regressione quantilicaEconometria↔ compare
- Regressione Lineare RegolarizzataApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →