Регуляризована лінійна регресія
Регуляризована лінійна регресія додає штрафний член до цільової функції звичайного методу найменших квадратів, стискаючи або обнуляючи коефіцієнти для зменшення перенавчання та усунення мультиколінеарності. Три основні варіанти — Ridge (L2-штраф), Lasso (L1-штраф) та Elastic Net (комбінований L1+L2) — роблять лінійну регресію придатною, навіть коли кількість ознак перевищує кількість спостережень або предиктори сильно корелюють.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+2 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 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Regularized Linear Regression (Ridge, Lasso, Elastic Net). ScholarGate. https://scholargate.app/uk/machine-learning/regularized-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.
- Elastic NetМашинне навчання↔ compare
- Лінійна регресія (ML)Машинне навчання↔ compare
- Логістична регресія (ML)Машинне навчання↔ compare
- Регуляризована логістична регресіяМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →