Ridge-regressie
Ridge-regressie is een L2-geregulariseerde lineaire regressiemethode, geïntroduceerd door Arthur Hoerl en Robert Kennard in 1970, die multicollineariteit vermindert door een straf toe te voegen op de grootte van de coëfficiënten. Het krimpt coëfficiënten naar nul zonder dat deze exact nul worden, wat stabielere schattingen oplevert wanneer voorspellers sterk gecorreleerd zijn.
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.
+22 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/nl/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 NetMachine learning↔ compare
- Lasso-regressieMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- HoofdcomponentenanalyseMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →