Bayesian Ridge Regression
Bayesian Ridge Regression je pravděpodobnostní formulací ridge regrese, kterou zavedl David J. C. MacKay v roce 1992, kde síla regularizace a přesnost šumu nejsou pevně dány analytikem, ale jsou odhadovány automaticky maximalizací marginální věrohodnosti (evidence) pozorovaných dat. Výsledkem je úplná posteriorní distribuce nad regresními váhami spolu s kalibrovanou prediktivní nejistotou.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- MacKay, D. J. C. (1992). Bayesian Interpolation. Neural Computation, 4(3), 415–447. DOI: 10.1162/neco.1992.4.3.415 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 3). Springer. ISBN: 978-0-387-31073-2
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/cs/machine-learning/bayesian-ridge-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.
- Elastic NetStrojové učení↔ compare
- Regrese LassoStrojové učení↔ compare
- Ridge regreseStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →