Beiziešu Rīdža regresija
Beiziešu Rīdža regresija ir Rīdža regresijas probabilitātska formulējums, ko 1992. gadā ieviesa Deivids J. C. Makkejs, kurā regulēšanas spēks un trokšņa precizitāte nav noteikti no analītiķa, bet gan tiek automātiski novērtēti, maksimizējot novēroto datu malas iespējamību (pierādījumu). Rezultāts ir pilna posteriora sadalījums regresijas svariem kopā ar kalibrētu prognožu nenoteiktību.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/lv/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 NetMašīnmācīšanās↔ compare
- LASSO regresijaMašīnmācīšanās↔ compare
- Regulētā lineārā regresija (Ridge Regression)Mašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →