Regressione bayesiana LASSO
La regressione bayesiana LASSO pone prior a doppia esponenziale (Laplace) sui coefficienti di regressione, che è l'analogo bayesiano della penalità LASSO classica. Essa contrae simultaneamente i coefficienti piccoli verso zero ed esegue una selezione morbida delle variabili, il tutto all'interno di un quadro coerente di inferenza posteriore che quantifica naturalmente l'incertezza dei parametri tramite intervalli credibili.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/it/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.
- Regressione Lineare Multipla BayesianaStatistica↔ compare
- Regressione Ridge BayesianaApprendimento automatico↔ compare
- Regressione Elastic NetStatistica↔ compare
- Regressione LassoApprendimento automatico↔ compare
- Regressione RidgeApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →