Machine learning

Regresia Ridge

Regresia Ridge je metóda lineárnej regresie s L2 regularizáciou, ktorú v roku 1970 predstavili Arthur Hoerl a Robert Kennard. Znižuje multikolinearitu pridaním penalizácie na veľkosť koeficientov. Sťahuje koeficienty smerom k nule bez toho, aby ktorýkoľvek z nich presne vynulovala, čím produkuje stabilnejšie odhady, keď sú prediktory vysoko korelované.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

The neighbourhood of related methods — select a node to explore.

+22 more

Zdroje

  1. Hoerl, A.E. & Kennard, R.W. (1970). Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, 12(1), 55–67. DOI: 10.1080/00401706.1970.10488634

Ako citovať túto stránku

ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/sk/machine-learning/ridge-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.

Compare side by side

Odkazujú sem

ScholarGateRidge Regression (Ridge Regression (L2-Regularized Linear Regression)). Získané 2026-06-15 z https://scholargate.app/sk/machine-learning/ridge-regression · Dátová sada: https://doi.org/10.5281/zenodo.20539026