Regresja Lasso
Regresja Lasso, wprowadzona przez Roberta Tibshiraniego w 1996 roku, jest metodą regresji liniowej dodającą karę L1 do funkcji straty, co powoduje kurczenie się współczynników i jednoczesne wykonywanie selekcji zmiennych, prowadząc do uzyskania modelu rzadkiego (sparse model). Poprzez zerowanie niektórych współczynników, metoda zachowuje tylko istotnych predyktorów.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/pl/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 NetUczenie maszynowe↔ compare
- Regresja logistycznaStatystyka w badaniach↔ compare
- Analiza Głównych SkładowychUczenie maszynowe↔ compare
- Regularyzacja grzbietowa (Ridge Regression)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →