Regressió Bayesiana LASSO
La regressió Bayesiana LASSO aplica priors de distribució exponencial doble (Laplace) als coeficients de regressió, que és l'anàleg bayesià de la penalització LASSO clàssica. Simultàniament, comprimeix els coeficients petits cap a zero i realitza una selecció de variables suau, tot dins d'un marc coherent d'inferència posterior que quantifica de manera natural la incertesa dels paràmetres mitjançant intervals de credibilitat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/ca/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.
- Regressió Múltiple BayesianaEstadística↔ compare
- Regressió Ridge BayesianaAprenentatge automàtic↔ compare
- Regressió amb Elastic NetEstadística↔ compare
- Regressió LassoAprenentatge automàtic↔ compare
- Regressió RidgeAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →