Lasso-регресія
Lasso-регресія, запроваджена Робертом Тібширані у 1996 році, є методом лінійної регресії, який додає L1-штраф до функції втрат, щоб зменшити коефіцієнти та одночасно виконати відбір змінних, створюючи розріджену модель. Зводячи деякі коефіцієнти точно до нуля, вона залишає лише ті предиктори, які є значущими.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Джерела
- Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI: 10.1111/j.2517-6161.1996.tb02080.x ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/uk/machine-learning/lasso-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 NetМашинне навчання↔ compare
- Логістична регресіяСтатистика досліджень↔ compare
- Метод головних компонентМашинне навчання↔ compare
- Гребенева регресіяМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →