Bayesiläinen Ridge-regressio
Bayesian Ridge Regression on ridge regressionin probabilistinen muotoilu, jonka David J. C. MacKay esitteli vuonna 1992. Siinä regularisointivoimakkuutta ja kohinan tarkkuutta ei määritä analyytikko, vaan ne estimoidaan automaattisesti maksimoimalla havaitun datan marginaalitodennäköisyys (todiste). Tuloksena on täysi posteriorijakauma regressiopainoille yhdessä kalibroidun ennustettavan epävarmuuden kanssa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/fi/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 NetKoneoppiminen↔ compare
- Lasso-regressioKoneoppiminen↔ compare
- HarjanneregressioKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →