Bayesilainen LASSO-regressio
Bayesilainen LASSO-regressio asettaa kaksoiseksponentiaaliset (Laplace) priorijakaumat regressiokertoimille. Tämä on klassisen LASSO-rankaisun bayesilainen vastine. Se kutistaa samanaikaisesti pieniä kertoimia kohti nollaa ja suorittaa pehmeää muuttujanvalintaa, kaikki johdonmukaisessa posterioripäättelykehyksessä, joka luonnollisesti kvantifioi parametrien epävarmuuden uskottavuusvälien avulla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen monimuuttujaregressioTilastotiede↔ compare
- Bayesiläinen Ridge-regressioKoneoppiminen↔ compare
- Elastic Net -regressioTilastotiede↔ compare
- Lasso-regressioKoneoppiminen↔ compare
- HarjanneregressioKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →