Regresia Liniară Regularizată
Regresia liniară regularizată adaugă un termen de penalizare la funcția obiectiv a metodei celor mai mici pătrate ordinare, micșorând sau anulând coeficienții pentru a reduce supra-adaptarea (overfitting) și a gestiona multicoliniaritatea. Cele trei variante principale — Ridge (penalizare L2), Lasso (penalizare L1) și Elastic Net (combinație L1+L2) — fac regresia liniară utilizabilă chiar și atunci când numărul de caracteristici depășește numărul de observații sau când predictorii sunt puternic corelați.
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.
+2 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 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
Cum se citează această pagină
ScholarGate. (2026, June 3). Regularized Linear Regression (Ridge, Lasso, Elastic Net). ScholarGate. https://scholargate.app/ro/machine-learning/regularized-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.
- Elastic NetÎnvățare automată↔ compare
- Regresie Liniară (ML)Învățare automată↔ compare
- Regresie Logistică (ML)Învățare automată↔ compare
- Regresia logistică regularizatăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →