Regression modelRegression / GLM
ベイズLASSO回帰
ベイズLASSO回帰は、回帰係数に二重指数（ラプラス）分布事前分布を配置するもので、これは古典的なLASSOペナルティのベイズ的等価物である。小さな係数をゼロに収縮させ、ソフトな変数選択を同時に行う。これらすべてが、確信区間を通じてパラメータの不確実性を自然に定量化する、首尾一貫した事後推論フレームワーク内で行われる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/ja/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.
- Bayesian Multiple linear regression統計学↔ compare
- ベイジアンリッジ回帰機械学習↔ compare
- Elastic Net回帰統計学↔ compare
- Lasso回帰機械学習↔ compare
- リッジ回帰機械学習↔ compare