ScholarGate
Asistents
Machine learning

Regulētā lineārā regresija (Ridge Regression)

Regulētā lineārā regresija ir L2 regularizēta lineārās regresijas metode, ko 1970. gadā ieviesa Arturs Hērls un Roberts Kenards. Tā samazina multikolinearitāti, pievienojot koeficientu lieluma sodu. Tā samazina koeficientus uz nulli, bet neuzstāda nevienu no tiem precīzi uz nulli, tādējādi nodrošinot stabilākus novērtējumus, ja prediktori ir ļoti korelēti.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

+22 more

Avoti

  1. 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

Kā citēt šo lapu

ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/lv/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

Uz to atsaucas

ScholarGateRidge Regression (Ridge Regression (L2-Regularized Linear Regression)). Izgūts 2026-06-15 no https://scholargate.app/lv/machine-learning/ridge-regression · Datu kopa: https://doi.org/10.5281/zenodo.20539026