Regulert logistisk regresjon
Regulert logistisk regresjon utvider standard logistisk regresjon ved å legge til en L1 (lasso), L2 (ridge) eller elastisk nett-straff til log-likelihooden, noe som krymper koeffisientene mot null og forhindrer overtilpasning. Det er standardvalget for binær eller multinomial klassifisering når man ønsker tolkbare, sparsomme eller stabile koeffisientestimater i høydimensjonale eller kollinære rom av prediktorer.
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.
+4 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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 4, 18). Springer. ISBN: 978-0-387-84857-0
Slik siterer du denne siden
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/no/machine-learning/regularized-logistic-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
- Lineær diskriminantanalyse (LDA)Maskinlæring↔ compare
- Logistisk regresjon (ML)Maskinlæring↔ compare
- Naive BayesMaskinlæring↔ compare
- Regularisert lineær regresjonMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →