Regulizovana logistička regresija
Regulizovana logistička regresija proširuje standardnu logističku regresiju dodavanjem L1 (lasso), L2 (ridge) ili elastic net penala na log-verodostojnost, smanjujući koeficijente ka nuli i sprečavajući prefitovanje. To je podrazumevani izbor za binarnu ili multinomnu klasifikaciju kada želite interpretabilne, retke ili stabilne procene koeficijenata u prostorima sa visokom dimenzionalnošću ili kolinearnim karakteristikama.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Izvori
- 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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 4, 18). Springer. ISBN: 978-0-387-84857-0
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/sr/machine-learning/regularized-logistic-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.
- Elastična mrežaMašinsko učenje↔ compare
- Linearna diskriminaciona analiza (LDA)Mašinsko učenje↔ compare
- Logistička regresija (ML)Mašinsko učenje↔ compare
- Naivni BejzMašinsko učenje↔ compare
- Regularizovana linearna regresijaMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →