Байесова LASSO регресия
Байесовата LASSO регресия поставя двойно-експоненциални (Лапласови) априорни разпределения върху регресионните коефициенти, което е байесовият аналог на класическата LASSO регуляризация. Тя едновременно свива малките коефициенти към нула и извършва мека селекция на променливи, всичко това в рамките на кохерентна рамка за апостериорно извеждане, която естествено количествено определя несигурността на параметрите чрез доверителни интервали.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Park, T., & Casella, G. (2008). The Bayesian Lasso. Journal of the American Statistical Association, 103(482), 681–686. DOI: 10.1198/016214508000000337 ↗
- Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI: 10.1111/j.2517-6161.1996.tb02080.x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/bg/statistics/bayesian-lasso-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов многомерен линеен регресионен моделСтатистика↔ compare
- Байесов гребен регресионен моделМашинно обучение↔ compare
- Регресия с еластична мрежаСтатистика↔ compare
- Регресия ЛасоМашинно обучение↔ compare
- Регресия с гребен (Ridge Regression)Машинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →