Machine learning
Elastic Net
Elastic Net เป็นระเบียบวิธีถดถอยเชิงเส้นแบบมีตัวปรับแก้ (regularized linear regression) ที่ Zou และ Hastie นำเสนอในปี 2005 ซึ่งผสมผสานบทลงโทษแบบ LASSO (L1) และ Ridge (L2) เข้าด้วยกัน จึงสามารถทำการเลือกตัวแปรและการหดตัวของสัมประสิทธิ์ได้พร้อมกัน ระเบียบวิธีนี้ออกแบบมาสำหรับการสร้างแบบจำลองเชิงพยากรณ์และเชิงอธิบายสำหรับข้อมูลที่มีตัวพยากรณ์จำนวนมากและอาจมีความสัมพันธ์กัน
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Zou, H. & Hastie, T. (2005). Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B, 67(2), 301–320. DOI: 10.1111/j.1467-9868.2005.00503.x ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Elastic Net Regularized Regression. ScholarGate. https://scholargate.app/th/machine-learning/elastic-net
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.
- Lasso Regressionการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- Ridge Regressionการเรียนรู้ของเครื่อง↔ compare