Bayesiešu LASSO regresija
Bayesiešu LASSO regresijā regresijas koeficientiem tiek piešķirtas dubulteksponenciālas (Laplace) prioritātes, kas ir klasiskās LASSO soda naudas Bayesiešu analoga. Tā vienlaikus samazina mazos koeficientus uz nulli un veic mīkstu mainīgo atlasi, tas viss notiek saskaņotā posteriorās izziņas sistēmā, kas dabiski kvantificē parametru nenoteiktību, izmantojot ticamības intervāles.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/lv/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.
- Bayesas daudzkārtējā lineārā regresijaStatistika↔ compare
- Beiziešu Rīdža regresijaMašīnmācīšanās↔ compare
- Regresija ar elastīgo tīkluStatistika↔ compare
- LASSO regresijaMašīnmācīšanās↔ compare
- Regulētā lineārā regresija (Ridge Regression)Mašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →