Machine learning
Lasso回帰
Lasso回帰は、1996年にRobert Tibshiraniによって導入された線形回帰手法であり、損失関数にL1ペナルティを加えることで係数を縮小し、同時に変数選択を行うことでスパースなモデルを生成します。一部の係数を正確にゼロにすることで、重要な予測変数のみを残します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/ja/machine-learning/lasso-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 →この手法を参照する項目
Adaptive Cox Proportional HazardsベイズLASSO回帰ベイズモデル平均Bayesian Multiple linear regressionベイジアンリッジ回帰Elastic NetElastic Net回帰機械学習支援エピゲノムワイド関連解析（ML-EWAS）機械学習拡張操作変数法 (ML-IV)Multiple Linear RegressionQuantile Regression (Nonparametric Variants)最小二乗法 (OLS) 回帰最小二乗法（OLS）多項式回帰主成分分析分位点回帰正則化サポートベクターマシンリッジ回帰ロバスト線形回帰頑健な重回帰分析頑健回帰ロバストリッジ回帰ステップワイズ回帰サポートベクター回帰