Bayesian Ridge Regression
Bayesian Ridge Regression is een probabilistische formulering van ridge regressie, geïntroduceerd door David J. C. MacKay in 1992, waarbij de regularisatiekracht en ruisprecisie niet door de analist worden vastgelegd, maar in plaats daarvan automatisch worden geschat door de marginale waarschijnlijkheid (evidentie) van de waargenomen data te maximaliseren. Het resultaat is een volledige posteriorverdeling over de regressiegewichten, samen met gekalibreerde voorspellende onzekerheid.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/nl/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 NetMachine learning↔ compare
- Lasso-regressieMachine learning↔ compare
- Ridge-regressieMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →