Robust linjär regression
Robust linjär regression anpassar en linjär modell mellan prediktorer och ett kontinuerligt utfallsmått, samtidigt som inflytelserika extremvärden nedvikts eller förkastats, vilket förhindrar att de få anomalösa observationer som OLS är notoriskt känsligt för snedvrider hela den estimerade linjen. Större varianter inkluderar Huber-regression, iterativt omvikt minstakvadratmetoden (IRLS), RANSAC och Theil-Sen-estimering.
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.
+1 more
Källor
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
- Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0-471-85233-9
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Linear Regression (Outlier-Resistant Estimation). ScholarGate. https://scholargate.app/sv/machine-learning/robust-linear-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.
- HuberregressionStatistik↔ compare
- Lasso-regressionMaskininlärning↔ compare
- Linjär regression (ML)Maskininlärning↔ compare
- KvantilregressionEkonometri↔ compare
- Regulariserad linjär regressionMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →