Regresioni Lasso
Regresioni Lasso, prezantuar nga Robert Tibshirani në 1996, është një metodë e regresionit linear që i shton një penalizim L1 humbjes në mënyrë që të tkurrë koeficientët dhe të kryejë përzgjedhjen e variablave në të njëjtën kohë, duke prodhuar një model të rrallë (sparse). Duke i shtyrë disa koeficientë saktësisht në zero, ajo i mban vetëm përcaktuesit që kanë rëndësi.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/sq/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 NetMësimi i makinës↔ compare
- Regresioni logjistikStatistika e hulumtimit↔ compare
- Analiza me Komponente KryesoreMësimi i makinës↔ compare
- Regresioni RidgeMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →