Ridge Regression
Ridge Regression เป็นวิธีการถดถอยเชิงเส้นแบบ L2-regularized ที่ Arthur Hoerl และ Robert Kennard นำเสนอในปี 1970 ซึ่งช่วยลดปัญหา multicollinearity โดยการเพิ่มค่าปรับ (penalty) ต่อขนาดของสัมประสิทธิ์ (coefficients) วิธีการนี้จะหดสัมประสิทธิ์เข้าหาศูนย์โดยไม่ทำให้สัมประสิทธิ์ใดเป็นศูนย์อย่างแท้จริง ทำให้ได้ค่าประมาณที่เสถียรมากขึ้นเมื่อตัวแปรทำนายมีความสัมพันธ์กันสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+22 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Ridge Regression (L2-Regularized Linear Regression). ScholarGate. https://scholargate.app/th/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 Netการเรียนรู้ของเครื่อง↔ compare
- Lasso Regressionการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- การวิเคราะห์องค์ประกอบหลักการเรียนรู้ของเครื่อง↔ compare