Lasso-regresjon
Lasso-regresjon, introdusert av Robert Tibshirani i 1996, er en lineær regresjonsmetode som legger til en L1-straff til tapsfunksjonen, slik at den krymper koeffisienter og utfører variabelseleksjon samtidig, noe som produserer en sparsom modell. Ved å tvinge noen koeffisienter nøyaktig til null, beholder den bare de prediktorene som er relevante.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Kilder
- Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI: 10.1111/j.2517-6161.1996.tb02080.x ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/no/machine-learning/lasso-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 NetMaskinlæring↔ compare
- Logistisk regresjonForskningsstatistikk↔ compare
- HovedkomponentanalyseMaskinlæring↔ compare
- Ridge RegressionMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →