Sólo necesito una explicación sencilla de qué es exactamente regresión ridge es para que yo pueda tener una decente comprensión intuitiva de la misma. Entiendo que se trata de la aplicación de algún tipo de sanción para los coeficientes de regresión... pero más allá de que estoy un poco confundido acerca de cómo es diferente de otros tipos de regresión que aplicar sanciones. En qué caso se debe utilizar la regresión contraída frente a algún otro tipo de regresión?
Respuestas
¿Demasiados anuncios?
Cresta de Regresión es una medida correctiva adoptadas para paliar la multicolinealidad entre la regresión de las variables predictoras en el modelo. A menudo las variables predictoras utilizadas en una regresión están altamente correlacionados. Cuando lo son, el coeficiente de regresión de cualquier variable dependen de que otras variables predictoras incluidas en el modelo, y los que se quedan fuera. (Por lo que la variable predictora no reflejar cualquier inherentes a efecto de que el particular predictoras sobre la variable de respuesta, pero sólo un marginal o parcial efecto, habida cuenta de lo que otros se correlacionaron las variables predictoras incluidas en el modelo). Ridge regresión añade un pequeño sesgo factor para las variables con el fin de aliviar este problema. Espero que ayude.
States.the.Obvious
Puntos
103
Los puestos de arriba muy bien describir cresta de regresión y su matemáticos que sustentan. Sin embargo, no abordan el problema de donde cresta de regresión debe ser utilizada, en comparación con otros de la contracción de los métodos. Podría ser así, porque no hay ninguna situación específica donde una contracción método ha demostrado funcionar mejor que la otra. Hay muchas maneras diferentes de abordar el problema de la multicolinealidad entre las variables predictoras, dependiendo de su lugar de origen. Cresta de regresión pasa a ser uno de los métodos que se aborda el problema de la multicolinealidad mediante la reducción (en algunos casos, la reducción es cercano o igual a cero, para grandes valores del parámetro de ajuste) el coeficiente de estimaciones de la alta correlación de las variables.
A diferencia del método de mínimos cuadrados, regresión ridge produce un conjunto de coeficientes estimados para diferentes valores del parámetro de ajuste. Así, es aconsejable el uso de los resultados de ridge regession (el conjunto de los coeficientes estimados) con un modelo de selección de la técnica (por ejemplo, la validación cruzada) para determinar el modelo más apropiado para los datos dados.
