Регуляризована логістична регресія
Регуляризована логістична регресія розширює стандартну логістичну регресію шляхом додавання L1 (lasso), L2 (ridge) або еластичної сітки (elastic net) штрафу до лог-імовірності, стискаючи коефіцієнти до нуля та запобігаючи перенавчанню. Це вибір за замовчуванням для бінарної або мультиноміальної класифікації, коли потрібні інтерпретовані, розріджені або стабільні оцінки коефіцієнтів у просторах ознак з високою розмірністю або колінеарністю.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+4 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. 4, 18). Springer. ISBN: 978-0-387-84857-0
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Regularized Logistic Regression (L1 / L2 / Elastic Net Penalized Binary and Multinomial Classification). ScholarGate. https://scholargate.app/uk/machine-learning/regularized-logistic-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
- Лінійний дискримінантний аналіз (LDA)Машинне навчання↔ compare
- Логістична регресія (ML)Машинне навчання↔ compare
- Наївний БайєсМашинне навчання↔ compare
- Регуляризована лінійна регресіяМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →