Regressão Lasso
A regressão Lasso, introduzida por Robert Tibshirani em 1996, é um método de regressão linear que adiciona uma penalidade L1 à função de perda, de modo a encolher os coeficientes e realizar seleção de variáveis simultaneamente, produzindo um modelo esparso. Ao zerar alguns coeficientes, ela mantém apenas os preditores que importam.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/pt/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 NetAprendizado de máquina↔ compare
- Regressão LogísticaEstatística para pesquisa↔ compare
- Análise de Componentes PrincipaisAprendizado de máquina↔ compare
- Regressão RidgeAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →