Robuuste Lineaire Regressie
Robuuste lineaire regressie past een lineair model toe tussen predictoren en een continue uitkomstvariabele, terwijl invloedrijke uitschieters worden gewogen of genegeerd, waardoor de weinige afwijkende observaties waar OLS (Ordinary Least Squares) berucht gevoelig voor is, worden voorkomen dat ze de gehele geschatte lijn vertekenen. Belangrijke varianten zijn Huber-regressie, iteratief gewogen kleinste kwadraten (IRLS), RANSAC en Theil-Sen-schatting.
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.
+1 more
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/nl/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.
- Huber-regressieStatistiek↔ compare
- Lasso-regressieMachine learning↔ compare
- Lineaire regressie (ML)Machine learning↔ compare
- KwantielregressieEconometrie↔ compare
- Geregulariseerde Lineaire RegressieMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →