Regularyzowana regresja logistyczna
Regularyzowana regresja logistyczna rozszerza standardową regresję logistyczną o dodanie kary L1 (lasso), L2 (ridge) lub elastic net do log-wiarygodności, kurcząc współczynniki w kierunku zera i zapobiegając przeuczeniu. Jest to domyślny wybór dla klasyfikacji binarnej lub wielomianowej, gdy pożądane są interpretowalne, rzadkie lub stabilne oszacowania współczynników w przestrzeniach cech o wysokiej wymiarowości lub skorelowanych.
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.
+4 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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 4, 18). Springer. ISBN: 978-0-387-84857-0
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/pl/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 NetUczenie maszynowe↔ compare
- Analiza dyskryminacyjna liniowa (LDA)Uczenie maszynowe↔ compare
- Regresja logistyczna (ML)Uczenie maszynowe↔ compare
- Naiwny Klasyfikator BayesowskiUczenie maszynowe↔ compare
- Regularyzowana regresja liniowaUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →