Робастная линейная регрессия
Робастная линейная регрессия подбирает линейную модель между предикторами и непрерывным исходом, снижая вес или отбрасывая влиятельные выбросы, что предотвращает искажение всей оцененной линии немногими аномальными наблюдениями, к которым МНК (OLS) знаменито чувствителен. Основные варианты включают регрессию Хабера, итеративно перевзвешиваемые наименьшие квадраты (IRLS), RANSAC и оценку Теля-Сена.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Источники
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
- Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0-471-85233-9
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/ru/machine-learning/robust-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.
- Регрессия ХубераСтатистика↔ compare
- Регрессия ЛассоМашинное обучение↔ compare
- Линейная регрессия (МО)Машинное обучение↔ compare
- Квантильная регрессияЭконометрика↔ compare
- Регуляризованная линейная регрессияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →