Ridge Regression
Ridge Regression är en L2-regulariserad linjär regressionsmetod, introducerad av Arthur Hoerl och Robert Kennard 1970, som minskar multikollinearitet genom att lägga till en straffavgift på storleken av koefficienterna. Den krymper koefficienter mot noll utan att sätta någon av dem exakt till noll, vilket ger stabilare skattningar när prediktorer är starkt korrelerade.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/sv/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.
- Elastic NetMaskininlärning↔ compare
- Lasso-regressionMaskininlärning↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Analys av huvudkomponenterMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →