ScholarGate
Pembantu
Machine learning

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

+22 more

Sumber

  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

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.

Compare side by side

Dirujuk oleh

ScholarGateRidge Regression (Ridge Regression (L2-Regularized Linear Regression)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/machine-learning/ridge-regression · Set data: https://doi.org/10.5281/zenodo.20539026