Регрессия Лассо
Регрессия Лассо, представленная Робертом Тибширани в 1996 году, является методом линейной регрессии, который добавляет L1-регуляризацию к функции потерь, чтобы сжимать коэффициенты и одновременно выполнять отбор признаков, создавая разреженную модель. Обнуляя некоторые коэффициенты, он сохраняет только значимые предикторы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/ru/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.
- Эластичная сетьМашинное обучение↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- Гребневая регрессияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →