Metodes pierādījumu reģistrs

Regularized Logistic Regression

Regularized logistic regression extends standard logistic regression by adding an L1 (lasso), L2 (ridge), or elastic net penalty to the log-likelihood, shrinking coefficients toward zero and preventing overfitting. It is the default choice for binary or multinomial classification when you want interpretable, sparse, or stable coefficient estimates in high-dimensional or collinear feature spaces.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification)

Taksonomiskās metodes reģistrs · ml-model / machine-learning

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
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 4, 18). Springer. · ISBN 978-0-387-84857-0

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyElastic Netmachine-suggested · Relational suggestion, not evidence.Used in the same domainLinear Discriminant Analysismachine-suggested · Relational suggestion, not evidence.Taxonomic bucketLogistic regression (ML)machine-suggested · Relational suggestion, not evidence.Same method familyNaive Bayesmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRegularized linear regressionmachine-suggested · Relational suggestion, not evidence.