Regresión Ridge Bayesiana
La Regresión Ridge Bayesiana es una formulación probabilística de la regresión ridge, introducida por David J. C. MacKay en 1992, en la que la fuerza de regularización y la precisión del ruido no son fijadas por el analista, sino que se estiman automáticamente maximizando la verosimilitud marginal (evidencia) de los datos observados. El resultado es una distribución posterior completa sobre los pesos de la regresión, junto con una incertidumbre predictiva calibrada.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/es/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 NetAprendizaje automático↔ compare
- Regresión LassoAprendizaje automático↔ compare
- Regresión RidgeAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →