線形モデルでの手法
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/06/13 13:45 UTC 版)
下記は一般化線形モデルで使用される正則化の手法の一覧である。 モデル適合尺度エントロピー尺度赤池情報量規準/ベイズ情報量規準 ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} ‖ β ‖ 0 {\displaystyle \|\beta \|_{0}} リッジ回帰 ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} ‖ β ‖ 2 {\displaystyle \|\beta \|_{2}} Lasso ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} ‖ β ‖ 1 {\displaystyle \|\beta \|_{1}} エラスティックネット ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} λ 1 ‖ β ‖ 1 + λ 2 ‖ β ‖ 2 {\displaystyle \lambda _{1}\|\beta \|_{1}+\lambda _{2}\|\beta \|_{2}} 基底追跡ノイズ除去 ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} λ ‖ β ‖ 1 {\displaystyle \lambda \|\beta \|_{1}} Rudin-Osher-Fatemi モデル (TV) ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} λ ‖ ∇ β ‖ 1 {\displaystyle \lambda \|\nabla \beta \|_{1}} Potts モデル ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} λ ‖ ∇ β ‖ 0 {\displaystyle \lambda \|\nabla \beta \|_{0}} RLAD ‖ Y − X β ‖ 1 {\displaystyle \|Y-X\beta \|_{1}} ‖ β ‖ 1 {\displaystyle \|\beta \|_{1}} Dantzig 選択器 ‖ X ⊤ ( Y − X β ) ‖ ∞ {\displaystyle \|X^{\top }(Y-X\beta )\|_{\infty }} ‖ β ‖ 1 {\displaystyle \|\beta \|_{1}} SLOPE ‖ Y − X β ‖ 2 {\displaystyle \|Y-X\beta \|_{2}} ∑ i = 1 p λ i | β | ( i ) {\displaystyle \sum _{i=1}^{p}\lambda _{i}|\beta |_{(i)}}
※この「線形モデルでの手法」の解説は、「正則化」の解説の一部です。
「線形モデルでの手法」を含む「正則化」の記事については、「正則化」の概要を参照ください。
- 線形モデルでの手法のページへのリンク
