Regresia logistică regularizată
Regresia logistică regularizată extinde regresia logistică standard prin adăugarea unei penalizări L1 (lasso), L2 (ridge) sau elastic net la log-verosimilitate, micșorând coeficienții spre zero și prevenind supra-ajustarea. Este alegerea implicită pentru clasificarea binară sau multinomială atunci când se doresc estimări interpretabile, rare sau stabile ale coeficienților în spații de caracteristici de înaltă dimensionalitate sau coliniare.
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.
+4 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. 4, 18). Springer. ISBN: 978-0-387-84857-0
Cum se citează această pagină
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/ro/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 NetÎnvățare automată↔ compare
- Analiza Discriminantă Liniară (LDA)Învățare automată↔ compare
- Regresie Logistică (ML)Învățare automată↔ compare
- Naive BayesÎnvățare automată↔ compare
- Regresia Liniară RegularizatăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →