Regression modelRegression / GLM
엘라스틱 넷 회귀
엘라스틱 넷 회귀는 L1 (라쏘) 페널티와 L2 (릿지) 페널티를 단일 정규화 회귀 프레임워크로 결합합니다. 혼합 파라미터 알파(alpha)와 축소 강도 람다(lambda)로 제어되며, 변수 선택과 상관관계가 있는 예측 변수 처리를 동시에 수행하여 순수 라쏘나 순수 릿지를 단독으로 적용했을 때의 주요 한계를 극복합니다.
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.
출처
- Zou, H., & Hastie, T. (2005). Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(2), 301-320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer. ISBN: 978-0387848570
이 페이지 인용 방법
ScholarGate. (2026, June 3). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/ko/statistics/elastic-net-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.
- 라쏘 회귀머신러닝↔ compare
- 최소제곱법(OLS) 회귀계량경제학↔ compare
- 조건부 분위수 회귀계량경제학↔ compare
- 정규화 로지스틱 회귀머신러닝↔ compare
- 릿지 회귀(Ridge Regression)머신러닝↔ compare
- Robust Regression통계학↔ compare