Регрессия Elastic Net
Регрессия Elastic Net объединяет штрафы L1 (лассо) и L2 (гребневую регрессию) в единую регуляризованную регрессионную модель. Управляемая параметром смешивания alpha и силой сжатия lambda, она может одновременно отбирать переменные и работать со скоррелированными предикторами, преодолевая ключевые ограничения чистого лассо и чистой гребневой регрессии, применяемых по отдельности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Zou, H., & Hastie, T. (2005). Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(2), 301-320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer. ISBN: 978-0387848570
Как цитировать эту страницу
ScholarGate. (2026, June 3). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/ru/statistics/elastic-net-regression
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Регрессия ЛассоМашинное обучение↔ сравнить
- Регрессия методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ сравнить
- Квантильная регрессияЭконометрика↔ сравнить
- Регуляризованная логистическая регрессияМашинное обучение↔ сравнить
- Гребневая регрессияМашинное обучение↔ сравнить
- Робастная регрессияСтатистика↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →