Regresja LASSO bayesowska
Regresja LASSO bayesowska przypisuje dwuwykładnicze (Laplace'a) rozkłady a priori współczynnikom regresji, co stanowi bayesowski odpowiednik klasycznej kary LASSO. Jednocześnie kurczy małe współczynniki w kierunku zera i przeprowadza miękką selekcję zmiennych, a wszystko to w ramach spójnej inferencji posteriorowej, która naturalnie kwantyfikuje niepewność parametrów za pomocą przedziałów wiarygodności.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/pl/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.
- Bayesowska wielokrotna regresja liniowaStatystyka↔ compare
- Bayesowska regresja grzbietowaUczenie maszynowe↔ compare
- Regresja Elastic NetStatystyka↔ compare
- Regresja LassoUczenie maszynowe↔ compare
- Regularyzacja grzbietowa (Ridge Regression)Uczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →