Elastic Net
Elastic Net is een geregulariseerde lineaire regressiemethode, geïntroduceerd door Zou en Hastie in 2005, die de LASSO (L1) en Ridge (L2) penalties combineert, zodat deze tegelijkertijd variabele selectie en coëfficiëntkrimp uitvoert. Het is ontworpen voor predictieve en verklarende modellering op data met veel, mogelijk gecorreleerde, predictoren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/nl/machine-learning/elastic-net
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.
- Lasso-regressieMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Random ForestMachine learning↔ compare
- Ridge-regressieMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →