Methodenbewijsdossier

Bayesian Ridge Regression

Bayesian Ridge Regression is a probabilistic formulation of ridge regression, introduced by David J. C. MacKay in 1992, in which the regularisation strength and noise precision are not fixed by the analyst but are instead estimated automatically by maximising the marginal likelihood (evidence) of the observed data. The result is a full posterior distribution over the regression weights together with calibrated predictive uncertainty.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Bayesian Ridge Regression (MacKay Probabilistic Regularisation)

Taxonomisch methodendossier · bayesian / machine-learning

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Used in the same domainElastic Netmachine-suggested · Relational suggestion, not evidence.Used in the same domainLasso Regressionmachine-suggested · Relational suggestion, not evidence.Used in the same domainRidge Regressionmachine-suggested · Relational suggestion, not evidence.