Шығарындылар мен мультиколлинеарлыққа сезімталдық.
3.Тарақ (жотасы, Ридж) регрессиясы- бұл мультиколлинеарлық яғни тәуелсіз айнымалылар
арасындағы жоғары корреляция проблемамен күресу үшін қолданылатын сызықтық регрессияның
бір түрі,. Ол модельді қайта даярлауға жол бермейтін жоғалту функциясына реттеуші мүшені
қосады.
Регрессиясының қасиеттері
Регуляризация: регуляризация мүшесі модельдің коэффициенттерін төмендетеді, бұл қайта
оқытуды болдырмайды және мультиколлинеарлықпен күреседі.
Бағалауды тұрақтандыру: тәуелсіз айнымалылар арасындағы
жоғары корреляция
жағдайында
ридж
регрессиясы
әдеттегі
сызықтық
регрессияға
қарағанда
коэффициенттердің тұрақты бағаларын береді.
Жалпылау қабілетін жақсарту: жүйелеу арқылы
модель деректерді жақсырақ
қорытындылайды, Бұл жаңа деректердегі болжамдардың сапасын жақсартады.
Артықшылықтары:
Мультиколлинеарлық жағдайда тиімді.
Регуляризация арқылы қайта оқытуды азайтады.
Модельдің жалпылау қабілетін жақсартады.
Кемшіліктері:
Коэффициенттерді бағалауды ауыстыра алады.
Белгілерді таңдауды орындамайды (барлық белгілер модельде қалады).
4.Lasso (Least Absolute Shrinkage and Selection Operator) регрессия-сызықтық регрессия әдісі,
ол ридж регрессиясы сияқты регуляризация мүшесін қамтиды, бірақ регуляризация түрімен
ерекшеленеді. Lasso пайдаланады L1-модель коэффициенттерінің абсолютті мәндерінің
қосындысына айыппұл қосатын регуляризация. Бұл коэффициенттердің төмендеуіне ғана емес,
сонымен қатар олардың нөлге айналуына әкеледі, бұл Lasso-ны белгілерді таңдау үшін пайдалы
етеді.
Достарыңызбен бөлісу: 
