Regressão LASSO Bayesiana
A regressão LASSO Bayesiana coloca priors de dupla exponencial (Laplace) nos coeficientes de regressão, que é o análogo Bayesiano da penalidade LASSO clássica. Ela encolhe simultaneamente coeficientes pequenos em direção a zero e realiza seleção de variáveis suave (soft variable selection), tudo dentro de um framework coerente de inferência posterior que quantifica naturalmente a incerteza dos parâmetros através de intervalos de credibilidade.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Least Absolute Shrinkage and Selection Operator Regression. ScholarGate. https://scholargate.app/pt/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.
- Regressão Linear Múltipla BayesianaEstatística↔ compare
- Regressão Ridge BayesianaAprendizado de máquina↔ compare
- Regressão Elastic NetEstatística↔ compare
- Regressão LassoAprendizado de máquina↔ compare
- Regressão RidgeAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →