Regularyzacja grzbietowa (Ridge Regression)
Regularyzacja grzbietowa (Ridge Regression) to metoda regresji liniowej z regularyzacją L2, wprowadzona przez Arthura Hoerla i Roberta Kennarda w 1970 roku, która redukuje współliniowość poprzez dodanie kary za wielkość współczynników. Zmniejsza ona współczynniki w kierunku zera, nie zerując żadnego z nich dokładnie, co prowadzi do stabilniejszych estymacji, gdy predyktory są silnie skorelowane.
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.
+22 more
Źródła
- Hoerl, A.E. & Kennard, R.W. (1970). Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, 12(1), 55–67. DOI: 10.1080/00401706.1970.10488634 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/pl/machine-learning/ridge-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 LassoUczenie maszynowe↔ compare
- Regresja logistycznaStatystyka w badaniach↔ compare
- Analiza Głównych SkładowychUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →