การถดถอยเชิงเส้นแบบรวมกลุ่ม
การถดถอยเชิงเส้นแบบรวมกลุ่ม (Ensemble Linear Regression) เป็นการรวมแบบจำลองกำลังสองน้อยที่สุด (ordinary least-squares models) หลายๆ แบบเข้าด้วยกัน โดยแต่ละแบบจำลองจะถูกปรับให้เหมาะสมกับข้อมูลตัวอย่างแบบบูตสแตรป (bootstrap sample) หรือชุดย่อยของคุณลักษณะ (feature subset) ที่แตกต่างกัน แล้วจึงหาค่าเฉลี่ยของการทำนายผลลัพธ์ เทคนิคนี้มีพื้นฐานมาจากกรอบการทำงานของแบ็กกิง (bagging) ของเบรห์แมน (Breiman, 1996) ช่วยลดความแปรปรวนและปรับปรุงเสถียรภาพของการทำนายผลลัพธ์เมื่อเทียบกับการปรับแบบจำลองการถดถอยเชิงเส้นเพียงแบบเดียว ในขณะที่ยังคงรักษาความสามารถในการตีความของข้อสมมติฐานเชิงเส้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 8). Springer. ISBN: 978-0-387-84857-0
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble of Linear Regression Models (Bagged and Stacked Linear Regression). ScholarGate. https://scholargate.app/th/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)การเรียนรู้ของเครื่อง↔ compare
- การถดถอยเชิงเส้น (Linear Regression) (ML)การเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การถดถอยเชิงเส้นแบบปรับค่า (Regularized Linear Regression)การเรียนรู้ของเครื่อง↔ compare
- Ridge Regressionการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare