Robust lineær regresjon
Robust lineær regresjon tilpasser en lineær modell mellom prediktorer og et kontinuerlig utfallsmål, samtidig som den nedvekter eller forkaster innflytelsesrike uteliggere, og forhindrer at de få anomale observasjonene som OLS er notorisk følsom for, forvrenger hele den estimerte linjen. Viktige varianter inkluderer Huber-regresjon, iterativt re-vektet minste kvadraters metode (IRLS), RANSAC og Theil-Sen-estimering.
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.
+1 more
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/no/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-regresjonStatistikk↔ compare
- Lasso-regresjonMaskinlæring↔ compare
- Lineær regresjon (ML)Maskinlæring↔ compare
- KvantilregresjonØkonometri↔ compare
- Regularisert lineær regresjonMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →