So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Hồi quy phân vị (Các biến thể phi tham số)× | Hồi quy Lasso× | |
|---|---|---|
| Lĩnh vực≠ | Thống kê | Học máy |
| Họ≠ | Regression model | Machine learning |
| Năm ra đời≠ | 1978 | 1996 |
| Người khởi xướng≠ | Koenker & Bassett | Tibshirani, R. |
| Loại≠ | Quantile regression (nonparametric variants) | Regularized linear regression (L1 penalty) |
| Công trình gốc≠ | Koenker, R. & Bassett, G. (1978). Regression Quantiles. Econometrica, 46(1), 33-50. DOI ↗ | Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI ↗ |
| Tên gọi khác | quantile regression, median regression, distribution-free quantile regression, Kantil Regresyon (Nonparametric Varyantlar) | LASSO Regresyonu, lasso, L1-regularized regression, L1 regularization |
| Liên quan≠ | 5 | 4 |
| Tóm tắt≠ | Quantile regression, introduced by Koenker and Bassett in 1978, models a chosen conditional quantile (such as the median or the 25th and 75th percentiles) of a continuous outcome rather than its mean. Its nonparametric variants fit these quantile relationships without assuming a distribution for the errors, making them a robust complement to mean-based regression on skewed data. | Lasso regression, introduced by Robert Tibshirani in 1996, is a linear regression method that adds an L1 penalty to the loss so that it shrinks coefficients and performs variable selection at the same time, producing a sparse model. By driving some coefficients exactly to zero it keeps only the predictors that matter. |
| ScholarGateBộ dữ liệu ↗ |
|
|