Regresia Lasso
Regresia Lasso, predstavená Robertom Tibshiranim v roku 1996, je metóda lineárnej regresie, ktorá pridáva L1 penalizáciu k stratovej funkcii, aby zmenšila koeficienty a súčasne vykonala výber premenných, čím produkuje riedky model. Tým, že niektoré koeficienty presne vynuluje, ponecháva si iba prediktory, na ktorých záleží.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/sk/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.
- Elastic NetStrojové učenie↔ compare
- Logistická regresiaŠtatistika vo výskume↔ compare
- Analýza hlavných komponentovStrojové učenie↔ compare
- Regresia RidgeStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →