이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
정규화(Regularization)
선형 모델에 대한 능형 회귀(Ridge Regression), Lasso, 신축망(Elastic Net)
저차원에서 중간 차원까지의 데이터 세트에 대한 정확도를 높이려면 lasso
또는 ridge
를 사용한 정규화를 통해 최소제곱 회귀를 구현하십시오.
고차원 데이터 세트에 대한 계산 시간을 단축하려면 fitrlinear
를 사용하여 정규화된 선형 회귀 모델을 피팅하십시오.
함수
객체
RegressionLinear | Linear regression model for high-dimensional data |
RegressionPartitionedLinear | Cross-validated linear regression model for high-dimensional data |
도움말 항목
- Lasso Regularization
See how
lasso
identifies and discards unnecessary predictors. - Lasso and Elastic Net with Cross Validation
Predict the mileage (MPG) of a car based on its weight, displacement, horsepower, and acceleration using
lasso
and elastic net. - Wide Data via Lasso and Parallel Computing
Identify important predictors using
lasso
and cross-validation. - Lasso and Elastic Net
The
lasso
algorithm is a regularization technique and shrinkage estimator. The related elastic net algorithm is more suitable when predictors are highly correlated. - Ridge Regression
Ridge regression addresses the problem of multicollinearity (correlated model terms) in linear regression problems.