Эластичная сеть
Эластичная сеть — это метод регуляризованной линейной регрессии, представленный Зу и Хэсти в 2005 году, который сочетает в себе штрафы LASSO (L1) и Ridge (L2), поэтому он одновременно выполняет отбор признаков и сжатие коэффициентов. Он предназначен для предиктивного и объяснительного моделирования на данных с множеством, возможно, коррелированных предикторов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/ru/machine-learning/elastic-net
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.
- Регрессия ЛассоМашинное обучение↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Случайный лесМашинное обучение↔ compare
- Гребневая регрессияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →