Lasso (statistics) (original) (raw)

About DBpedia

ラッソ回帰（ラッソかいき、least absolute shrinkage and selection operator、Lasso、LASSO）は、変数選択と正則化の両方を実行し、生成する統計モデルの予測精度と解釈可能性を向上させる回帰分析手法。1986年に地球物理学の文献で最初に導入され、その後1996年に が独自に再発見して一般化した。 ラッソ回帰はもともと最小二乗法で定義されていた。最小二乗法の単純なケースでは、予測器の振る舞いについて多くの事実が分かる。すなわち、リッジ回帰やとの関係、ラッソ係数予測といわゆるソフトしきい値処理（soft thresholding）との関係である。 一般化線形モデル、一般化推定方程式、比例ハザードモデル、など、さまざまな統計モデルに簡単に拡張できる。

thumbnail

Property Value
dbo:abstract En Estadística y Aprendizaje Automático, Lasso (least absolute shrinkage and selection operator, por sus siglas en inglés), es un método de análisis de regresión que realiza selección de variables y regularización para mejorar la exactitud e interpretabilidad del modelo estadístico producido por este. Fue introducido por Robert Tibshirani en 1996 basado en el trabajo de Leo Breiman sobre el Garrote No-Negativo.​​ Lasso fue formulado originalmente para el método de mínimos cuadrados y este caso simple revela una cantidad substancial acerca del comportamiento del estimador, incluyendo su relación con ridge regression y selección de subconjuntos (de variables) y la conexión entre los coeficientes estimados con lasso y el llamado 'soft thresholding'. También revela que (al igual que la estándar) los coeficientes estimados no necesariamente son únicos si las son . (es) In statistics and machine learning, lasso (least absolute shrinkage and selection operator; also Lasso or LASSO) is a regression analysis method that performs both variable selection and regularization in order to enhance the prediction accuracy and interpretability of the resulting statistical model. It was originally introduced in geophysics, and later by Robert Tibshirani, who coined the term. Lasso was originally formulated for linear regression models. This simple case reveals a substantial amount about the estimator. These include its relationship to ridge regression and best subset selection and the connections between lasso coefficient estimates and so-called soft thresholding. It also reveals that (like standard linear regression) the coefficient estimates do not need to be unique if covariates are collinear. Though originally defined for linear regression, lasso regularization is easily extended to other statistical models including generalized linear models, generalized estimating equations, proportional hazards models, and M-estimators. Lasso's ability to perform subset selection relies on the form of the constraint and has a variety of interpretations including in terms of geometry, Bayesian statistics and convex analysis. The LASSO is closely related to basis pursuit denoising. (en) En statistiques, le lasso est une méthode de contraction des coefficients de la régression développée par Robert Tibshirani dans un article publié en 1996 intitulé Regression shrinkage and selection via the lasso. Le nom est un acronyme anglais : Least Absolute Shrinkage and Selection Operator. Bien que cette méthode fut utilisée à l'origine pour des modèles utilisant l'estimateur usuel des moindres carrés, la pénalisation lasso s'étend facilement à de nombreux modèles statistiques tels que les modèles linéaires généralisés, les modèles à risque proportionnel, et les M-estimateurs. La capacité du lasso à sélectionner un sous-ensemble de variables est due à la nature de la contrainte exercée sur les coefficients et peut s'interpréter de manière géométrique, en statistique bayésienne ou analyse convexe. (fr) ラッソ回帰（ラッソかいき、least absolute shrinkage and selection operator、Lasso、LASSO）は、変数選択と正則化の両方を実行し、生成する統計モデルの予測精度と解釈可能性を向上させる回帰分析手法。1986年に地球物理学の文献で最初に導入され、その後1996年に が独自に再発見して一般化した。 ラッソ回帰はもともと最小二乗法で定義されていた。最小二乗法の単純なケースでは、予測器の振る舞いについて多くの事実が分かる。すなわち、リッジ回帰やとの関係、ラッソ係数予測といわゆるソフトしきい値処理（soft thresholding）との関係である。 一般化線形モデル、一般化推定方程式、比例ハザードモデル、など、さまざまな統計モデルに簡単に拡張できる。 (ja) 在统计学和机器学习中，Lasso算法（英语：least absolute shrinkage and selection operator，又译最小绝对值收敛和选择算子、套索算法）是一种同时进行特征选择和正则化（数学）的回归分析方法，旨在增强统计模型的预测准确性和可解释性，最初由斯坦福大学统计学教授于1996年基于的(Nonnegative Garrote, NNG)提出。Lasso算法最初用于计算最小二乘法模型，这个简单的算法揭示了很多估计量的重要性质，如估计量与（Ridge regression，也叫吉洪诺夫正则化）和最佳子集选择的关系，Lasso系数(estimate)和（soft thresholding）之间的联系。它也揭示了当共线时，Lasso系数估计值不一定唯一（类似标准线性回归）。 虽然最早是为应用最小二乘法而定义的算法，lasso正则化可以简单直接地拓展应用于许多统计学模型上，包括广义线性模型，，和。Lasso选择子集的能力依赖于限制条件的形式并且有多种表现形式，包括几何学，贝叶斯统计，和。 Lasso算法与联系紧密。 (zh)
dbo:thumbnail wiki-commons:Special:FilePath/L1_and_L2_balls.svg?width=300
dbo:wikiPageID 22349350 (xsd:integer)
dbo:wikiPageLength 45917 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID 1114996444 (xsd:integer)
dbo:wikiPageWikiLink dbr:Bayesian_information_criterion dbr:Bayesian_statistics dbr:Robert_Tibshirani dbr:Elastic_net_regularization dbr:M-estimator dbc:Regression_analysis dbr:Ridge_regression dbr:Design_matrix dbr:Invariant_(mathematics) dbr:Convex_analysis dbr:Cross-polytope dbr:Generalized_estimating_equation dbr:Generalized_linear_model dbr:Orthonormal dbr:Covariate dbr:Coefficient_of_determination dbr:Geometry dbr:Geophysics dbr:Gradient_descent dbr:Model_selection dbr:N-sphere dbr:Convex_hull dbr:Cross-validation_(statistics) dbr:Subderivative dbr:Proximal_gradient_methods dbr:Basis_pursuit_denoising dbr:Leo_Breiman dbr:Lp_space dbr:Machine_learning dbr:Statistical_model dbr:Statistics dbc:Machine_learning_algorithms dbr:Collinear dbr:Laplace_distribution dbr:Least-angle_regression dbr:Least_absolute_deviations dbr:Linear_regression dbr:Akaike_information_criterion dbr:Best_subset_selection dbr:Stochastic_gradient_descent dbr:Nonparametric_regression dbr:Regression_analysis dbr:Regularization_(mathematics) dbr:Stepwise_regression dbr:Taylor's_theorem dbr:L1_norm dbr:Lagrange_multiplier dbr:Tikhonov_regularization dbr:Kronecker_delta dbr:Rotation_(mathematics) dbr:Shrinkage_(statistics) dbr:Proportional_hazards_model dbr:Overfitting dbr:Variable_selection dbr:Regression_coefficients dbr:Penalized_least_squares dbr:Peakedness dbr:Prior_distribution dbr:Standardized_(statistics) dbr:Subgradient_methods dbr:File:L1_and_L2_balls.svg dbr:File:PQSQ2.png dbr:File:PQSQ_potential.png dbr:File:SolutionPathL1L2.svg dbr:File:Laplace_pdf_mod.svg
dbp:wikiPageUsesTemplate dbt:About dbt:Anchor dbt:Citation_needed dbt:Main dbt:Reflist dbt:Short_description
dct:subject dbc:Regression_analysis dbc:Machine_learning_algorithms
gold:hypernym dbr:Method
rdf:type dbo:Software
rdfs:comment ラッソ回帰（ラッソかいき、least absolute shrinkage and selection operator、Lasso、LASSO）は、変数選択と正則化の両方を実行し、生成する統計モデルの予測精度と解釈可能性を向上させる回帰分析手法。1986年に地球物理学の文献で最初に導入され、その後1996年に が独自に再発見して一般化した。 ラッソ回帰はもともと最小二乗法で定義されていた。最小二乗法の単純なケースでは、予測器の振る舞いについて多くの事実が分かる。すなわち、リッジ回帰やとの関係、ラッソ係数予測といわゆるソフトしきい値処理（soft thresholding）との関係である。 一般化線形モデル、一般化推定方程式、比例ハザードモデル、など、さまざまな統計モデルに簡単に拡張できる。 (ja) 在统计学和机器学习中，Lasso算法（英语：least absolute shrinkage and selection operator，又译最小绝对值收敛和选择算子、套索算法）是一种同时进行特征选择和正则化（数学）的回归分析方法，旨在增强统计模型的预测准确性和可解释性，最初由斯坦福大学统计学教授于1996年基于的(Nonnegative Garrote, NNG)提出。Lasso算法最初用于计算最小二乘法模型，这个简单的算法揭示了很多估计量的重要性质，如估计量与（Ridge regression，也叫吉洪诺夫正则化）和最佳子集选择的关系，Lasso系数(estimate)和（soft thresholding）之间的联系。它也揭示了当共线时，Lasso系数估计值不一定唯一（类似标准线性回归）。 虽然最早是为应用最小二乘法而定义的算法，lasso正则化可以简单直接地拓展应用于许多统计学模型上，包括广义线性模型，，和。Lasso选择子集的能力依赖于限制条件的形式并且有多种表现形式，包括几何学，贝叶斯统计，和。 Lasso算法与联系紧密。 (zh) En Estadística y Aprendizaje Automático, Lasso (least absolute shrinkage and selection operator, por sus siglas en inglés), es un método de análisis de regresión que realiza selección de variables y regularización para mejorar la exactitud e interpretabilidad del modelo estadístico producido por este. Fue introducido por Robert Tibshirani en 1996 basado en el trabajo de Leo Breiman sobre el Garrote No-Negativo.​​ Lasso fue formulado originalmente para el método de mínimos cuadrados y este caso simple revela una cantidad substancial acerca del comportamiento del estimador, incluyendo su relación con ridge regression y selección de subconjuntos (de variables) y la conexión entre los coeficientes estimados con lasso y el llamado 'soft thresholding'. También revela que (al igual que la estánd (es) In statistics and machine learning, lasso (least absolute shrinkage and selection operator; also Lasso or LASSO) is a regression analysis method that performs both variable selection and regularization in order to enhance the prediction accuracy and interpretability of the resulting statistical model. It was originally introduced in geophysics, and later by Robert Tibshirani, who coined the term. The LASSO is closely related to basis pursuit denoising. (en) En statistiques, le lasso est une méthode de contraction des coefficients de la régression développée par Robert Tibshirani dans un article publié en 1996 intitulé Regression shrinkage and selection via the lasso. Le nom est un acronyme anglais : Least Absolute Shrinkage and Selection Operator. (fr)
rdfs:label LASSO (estadística) (es) Lasso (statistiques) (fr) Lasso (statistics) (en) ラッソ回帰 (ja) Lasso算法 (zh)
owl:sameAs wikidata:Lasso (statistics) dbpedia-es:Lasso (statistics) dbpedia-fa:Lasso (statistics) dbpedia-fr:Lasso (statistics) dbpedia-ja:Lasso (statistics) dbpedia-zh:Lasso (statistics) https://global.dbpedia.org/id/ye1R
prov:wasDerivedFrom wikipedia-en:Lasso_(statistics)?oldid=1114996444&ns=0
foaf:depiction wiki-commons:Special:FilePath/L1_and_L2_balls.svg wiki-commons:Special:FilePath/PQSQ2.png wiki-commons:Special:FilePath/PQSQ_potential.png wiki-commons:Special:FilePath/SolutionPathL1L2.svg wiki-commons:Special:FilePath/Laplace_pdf_mod.svg
foaf:isPrimaryTopicOf wikipedia-en:Lasso_(statistics)
is dbo:knownFor of dbr:Robert_Tibshirani dbr:Hui_Zou
is dbo:wikiPageDisambiguates of dbr:Lasso_(disambiguation)
is dbo:wikiPageRedirects of dbr:L1-penalized_regression dbr:L1_loss dbr:LASSO dbr:Least_Absolute_Shrinkage_and_Selection_Operator dbr:Lasso_regression
is dbo:wikiPageWikiLink of dbr:Robert_Tibshirani dbr:Elastic_net_regularization dbr:Electricity_price_forecasting dbr:Non-negative_matrix_factorization dbr:Hui_Zou dbr:Bias–variance_tradeoff dbr:Regularized_least_squares dbr:Ridge_regression dbr:Proximal_gradient_methods_for_learning dbr:Generalized_additive_model dbr:Coefficient_of_determination dbr:George_Casella dbr:Cross-validation_(statistics) dbr:Basis_pursuit dbr:Basis_pursuit_denoising dbr:Stephen_Hsu dbr:Feature_selection dbr:Head-related_transfer_function dbr:Laplace_distribution dbr:Least-angle_regression dbr:Least_absolute_deviations dbr:Linear_regression dbr:Dynamic_mode_decomposition dbr:Graphical_lasso dbr:Matrix_regularization dbr:Nonparametric_regression dbr:Regularization_(mathematics) dbr:Stepwise_regression dbr:Terence_Tao dbr:High-dimensional_statistics dbr:Taxicab_geometry dbr:Spiking_neural_network dbr:Spectral_density_estimation dbr:Lasso_(disambiguation) dbr:Proportional_hazards_model dbr:Total_variation_denoising dbr:Phase_space_measurement_with_forward_modeling dbr:Outline_of_statistics dbr:Overcompleteness dbr:Sparse_approximation dbr:Sparse_dictionary_learning dbr:Structured_sparsity_regularization dbr:Spike-and-slab_regression dbr:L1-penalized_regression dbr:L1_loss dbr:LASSO dbr:Least_Absolute_Shrinkage_and_Selection_Operator dbr:Lasso_regression
is dbp:knownFor of dbr:Robert_Tibshirani dbr:Hui_Zou
is foaf:primaryTopic of wikipedia-en:Lasso_(statistics)