Regression modelRegression / GLM
강건 릿지 회귀 (Robust Ridge Regression)
강건 릿지 회귀는 M-추정법과 L2 (릿지) 정칙화를 결합하여 이상치에 대한 저항성과 다중공선성 하에서의 안정성을 동시에 갖춘 계수 추정치를 생성합니다. 이는 강건한 손실 함수 (예: Huber 손실)를 최소화하며, 계수 벡터의 제곱 노름으로 페널티를 부여하여, 영향력 있는 관측치를 축소하면서 상관된 예측 변수들을 0으로 수축시킵니다.
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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Ridge Regression. ScholarGate. https://scholargate.app/ko/statistics/robust-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.
- 엘라스틱 넷 회귀통계학↔ compare
- 라쏘 회귀머신러닝↔ compare
- 릿지 회귀(Ridge Regression)머신러닝↔ compare
- 강건 다중 선형 회귀통계학↔ compare
- Robust Regression통계학↔ compare