Robustā lineārā regresija
Robustā lineārā regresija pielāgo lineāru modeli starp prediktoriem un nepārtrauktu iznākumu, samazinot svaru vai izmetot ietekmīgus ārkārtējus novērojumus, tādējādi novēršot to, ka daži anomāliski novērojumi, uz kuriem OLS ir bēdīgi jutīga, izkropļo visu novērtēto līniju. Galvenās variācijas ietver Hūbera regresiju, iteratīvi pārsvarotus mazākos kvadrātus (IRLS), RANSAC un Teila-Sena novērtēšanu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Avoti
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
- Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0-471-85233-9
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/lv/machine-learning/robust-linear-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.
- Hjūbera regresijaStatistika↔ compare
- LASSO regresijaMašīnmācīšanās↔ compare
- Lineārā regresija (ML)Mašīnmācīšanās↔ compare
- Kvantīļu regresijaEkonometrija↔ compare
- Regulārā lineārā regresijaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →