Regresi Rabung
Regresi Rabung ialah kaedah regresi linear yang dilaras L2, diperkenalkan oleh Arthur Hoerl dan Robert Kennard pada tahun 1970, yang mengurangkan multikolineariti dengan menambahkan penalti pada saiz pekali. Ia mengecilkan pekali ke arah sifar tanpa menetapkan mana-mananya tepat kepada sifar, menghasilkan anggaran yang lebih stabil apabila peramal sangat berkorelasi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/ms/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.
- Elastic NetPembelajaran Mesin↔ compare
- Lasso RegressionPembelajaran Mesin↔ compare
- Regresi LogistikStatistik Penyelidikan↔ compare
- Analisis Komponen UtamaPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →