Regressão Logística Regularizada
A regressão logística regularizada estende a regressão logística padrão adicionando uma penalidade L1 (lasso), L2 (ridge) ou elastic net à log-verossimilhança, encolhendo os coeficientes em direção a zero e prevenindo o overfitting. É a escolha padrão para classificação binária ou multinomial quando se deseja estimativas de coeficientes interpretáveis, esparsas ou estáveis em espaços de características de alta dimensionalidade ou colineares.
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.
+4 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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 4, 18). Springer. ISBN: 978-0-387-84857-0
Como citar esta página
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/pt/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 NetAprendizado de máquina↔ compare
- Análise Discriminante Linear (LDA)Aprendizado de máquina↔ compare
- Regressão Logística (ML)Aprendizado de máquina↔ compare
- Naive BayesAprendizado de máquina↔ compare
- Regressão Linear RegularizadaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →