Regresja liniowa odporna
Regresja liniowa odporna dopasowuje model liniowy między predyktorami a ciągłym wynikiem, jednocześnie zmniejszając wagę lub odrzucając wpływowe wartości odstające, co zapobiega zniekształceniu całej estymowanej linii przez nieliczne anomalne obserwacje, na które metoda najmniejszych kwadratów (OLS) jest notorycznie wrażliwa. Główne warianty obejmują regresję Hubera, iteracyjnie ważone najmniejsze kwadraty (IRLS), RANSAC oraz estymację Theila-Sen.
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.
+1 more
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/pl/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.
- Regresja HuberaStatystyka↔ compare
- Regresja LassoUczenie maszynowe↔ compare
- Regresja liniowa (ML)Uczenie maszynowe↔ compare
- Regresja kwantylowaEkonometria↔ compare
- Regularyzowana regresja liniowaUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →