Machine learning
릿지 회귀(Ridge Regression)
릿지 회귀는 1970년 Arthur Hoerl과 Robert Kennard가 도입한 L2 정규화 선형 회귀 방법으로, 계수 크기에 페널티를 추가하여 다중공선성을 줄입니다. 이는 계수를 정확히 0으로 만들지 않으면서 0에 가깝게 축소하여, 예측 변수들이 고도로 상관되어 있을 때 더 안정적인 추정치를 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/ko/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 →이 방법을 참조하는 항목
ARFIMA: 분수 차분 ARMA 모형베이지안 LASSO 회귀베이즈 다중 선형 회귀베이지안 OLS (베이지안 일반 최소 제곱 회귀)베이즈 능형 회귀(Bayesian Ridge Regression)Elastic Net엘라스틱 넷 회귀경험적 베이즈앙상블 선형 회귀영향력 진단 (쿡 거리, DFFITS, 레버리지)라쏘 회귀M-Estimators (강건 회귀)다중 선형 회귀다변량 복수 선형 회귀분석 (Multivariate Multiple Linear Regression)분위수 회귀 (비모수 변형)최소제곱법(OLS) 회귀온라인 선형 회귀최소제곱법 (Ordinary Least Squares, OLS)부분 최소 제곱 회귀 (PLS)다항 회귀주성분 회귀 (Principal Components Regression, PCR)조건부 분위수 회귀패널 데이터 랜덤 효과 모형강건 다중 선형 회귀Robust Regression강건 릿지 회귀 (Robust Ridge Regression)단순 선형 회귀단계적 회귀분석서포트 벡터 회귀분산팽창계수(VIF)