Regresia Lasso
Regresia Lasso, introdusă de Robert Tibshirani în 1996, este o metodă de regresie liniară care adaugă o penalizare L1 la funcția de pierdere, astfel încât să micșoreze coeficienții și să efectueze selecția variabilelor simultan, producând un model spars. Prin anularea exactă a unor coeficienți, păstrează doar predictori relevanți.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/ro/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 NetÎnvățare automată↔ compare
- Regresia LogisticăStatistică pentru cercetare↔ compare
- Analiza Componentelor PrincipaleÎnvățare automată↔ compare
- Regresia RidgeÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →