Regressione Ridge Bayesiana
La Regressione Ridge Bayesiana è una formulazione probabilistica della regressione ridge, introdotta da David J. C. MacKay nel 1992, in cui la forza di regolarizzazione e la precisione del rumore non sono fissate dall'analista, ma vengono stimate automaticamente massimizzando la verosimiglianza marginale (evidenza) dei dati osservati. Il risultato è una distribuzione a posteriori completa sui pesi di regressione, insieme a un'incertezza predittiva calibrata.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/it/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 NetApprendimento automatico↔ compare
- Regressione LassoApprendimento automatico↔ compare
- Regressione RidgeApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →