Régression Ridge Bayésienne
La régression Ridge Bayésienne est une formulation probabiliste de la régression Ridge, introduite par David J. C. MacKay en 1992, dans laquelle la force de régularisation et la précision du bruit ne sont pas fixées par l'analyste mais sont estimées automatiquement en maximisant la vraisemblance marginale (évidence) des données observées. Le résultat est une distribution postérieure complète sur les poids de régression, accompagnée d'une incertitude prédictive calibrée.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/fr/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 NetApprentissage automatique↔ compare
- Régression LassoApprentissage automatique↔ compare
- Régression RidgeApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →