Elastic Net-regresjon
Elastic net-regresjon kombinerer L1- (lasso) og L2- (ridge) straff i et samlet regularisert regresjonsrammeverk. Styrt av en blandingsparameter alpha og en krympeparameter lambda, kan den selektere variabler og håndtere korrelerte prediktorer samtidig – og overvinne sentrale begrensninger ved ren lasso og ren ridge anvendt alene.
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.
Kilder
- Zou, H., & Hastie, T. (2005). Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(2), 301-320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer. ISBN: 978-0387848570
Slik siterer du denne siden
ScholarGate. (2026, June 3). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/no/statistics/elastic-net-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.
- Lasso-regresjonMaskinlæring↔ compare
- Minste kvadraters metode (OLS)Økonometri↔ compare
- KvantilregresjonØkonometri↔ compare
- Regulert logistisk regresjonMaskinlæring↔ compare
- Ridge RegressionMaskinlæring↔ compare
- Robust regresjonStatistikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →