Regressão Linear Robusta
A regressão linear robusta ajusta um modelo linear entre preditores e um desfecho contínuo, ponderando menos ou descartando outliers influentes, o que impede que as poucas observações anômalas às quais o OLS é notoriamente sensível distorçam toda a linha estimada. As principais variantes incluem a regressão de Huber, mínimos quadrados iterativamente reponderados (IRLS), RANSAC e a estimação de Theil-Sen.
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.
+1 more
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/pt/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.
- Regressão de HuberEstatística↔ compare
- Regressão LassoAprendizado de máquina↔ compare
- Regressão Linear (ML)Aprendizado de máquina↔ compare
- Regressão QuantílicaEconometria↔ compare
- Regressão Linear RegularizadaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →