Регрессия по методу наименьших усеченных квадратов (LTS)
Метод наименьших усеченных квадратов (LTS) — это робастный метод линейной регрессии, предложенный Питером Дж. Руссеувом в 1984 году. Вместо того чтобы подгонять все остатки, он оценивает коэффициенты, минимизируя сумму только h наименьших квадратов остатков, что обеспечивает ему точку пробоя до 50% и надежные оценки на данных, сильно загрязненных выбросами.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
+ ещё 2
Источники
- Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880. DOI: 10.1080/01621459.1984.10477105 ↗
- Rousseeuw, P. J., & Van Driessen, K. (2006). Computing LTS Regression for Large Data Sets. Data Mining and Knowledge Discovery, 12, 29-45. DOI: 10.1007/s10618-005-0024-4 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/ru/statistics/least-trimmed-squares
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 по методу наименьших медиан квадратов (LMS)Статистика↔ сравнить
- Регрессия методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ сравнить
- Квантильная регрессияЭконометрика↔ сравнить
- RANSAC-регрессияСтатистика↔ сравнить
- Оценщик Тейля-СенаСтатистика↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →