普通最小平方法 vs 嶺迴歸（L2 正則化迴歸）
OLS vs Ridge Regression
普通最小平方法 側重 透過最小化殘差平方和來估計線性回歸模型係數的統計方法。，而 嶺迴歸（L2 正則化迴歸） 側重 在線性迴歸損失函數中加入 L2 懲罰項以限制係數大小，防止過擬合的監督學習方法。。
逐項比較
| 項目 | 普通最小平方法 | 嶺迴歸（L2 正則化迴歸） |
|---|---|---|
| 一句定義 | 透過最小化殘差平方和來估計線性回歸模型係數的統計方法。 | 在線性迴歸損失函數中加入 L2 懲罰項以限制係數大小，防止過擬合的監督學習方法。 |
| 常見標籤 | 統計方法、線性回歸、機器學習基礎、iPAS中級、估計量、計量經濟 | 機器學習、正則化、監督學習、線性迴歸、多元共線性 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | OLS 與梯度下降求解線性回歸有什麼差異？ | 嶺迴歸中的 λ 越大越好嗎？ |