Machine learningMachine learning
ロバスト線形回帰
ロバスト線形回帰は、予測変数と連続的な結果変数との間に線形モデルを当てはめる際に、影響力の大きい外れ値を重み付けを小さくしたり除外したりすることで、最小二乗法（OLS）が非常に敏感に反応する少数の異常な観測値が推定された直線全体を歪めることを防ぎます。主なバリアントには、Huber回帰、反復重み付き最小二乗法（IRLS）、RANSAC、Theil-Sen推定があります。
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.
+1 more
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/ja/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.
- Huber回帰統計学↔ compare
- Lasso回帰機械学習↔ compare
- 線形回帰（機械学習）機械学習↔ compare
- 分位点回帰計量経済学↔ compare
- 正則化線形回帰機械学習↔ compare