Hồi quy tuyến tính chính quy hóa
Hồi quy tuyến tính chính quy hóa bổ sung một số hạng phạt vào hàm mục tiêu bình phương tối thiểu thông thường, thu nhỏ hoặc đặt các hệ số bằng 0 để giảm hiện tượng quá khớp và xử lý đa cộng tuyến. Ba biến thể chính — Ridge (phạt L2), Lasso (phạt L1), và Elastic Net (kết hợp L1+L2) — làm cho hồi quy tuyến tính có thể sử dụng được ngay cả khi số lượng đặc trưng lớn hơn số lượng quan sát hoặc các biến dự báo có tương quan cao.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Regularized Linear Regression (Ridge, Lasso, Elastic Net). ScholarGate. https://scholargate.app/vi/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 NetHọc máy↔ compare
- Hồi quy tuyến tính (ML)Học máy↔ compare
- Hồi quy Logistic (ML)Học máy↔ compare
- Hồi quy Logistic Chính quyHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →