Bayesowska regresja grzbietowa
Bayesowska regresja grzbietowa jest probabilistyczną formulacją regresji grzbietowej, wprowadzoną przez Davida J. C. MacKay'a w 1992 roku, w której siła regularyzacji i precyzja szumu nie są ustalane przez analityka, lecz są szacowane automatycznie poprzez maksymalizację prawdopodobieństwa brzegowego (dowodu) obserwowanych danych. Wynikiem jest pełny rozkład a posteriori na wagi regresji wraz z skalibrowaną niepewnością predykcyjną.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/pl/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 NetUczenie maszynowe↔ compare
- Regresja LassoUczenie maszynowe↔ compare
- Regularyzacja grzbietowa (Ridge Regression)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →