Bayesiansk Ridge-regression
Bayesiansk Ridge-regression är en probabilistisk formulering av ridge-regression, introducerad av David J. C. MacKay år 1992, där regulariseringsstyrkan och brusprecisionen inte är fixerade av analytikern utan istället estimeras automatiskt genom att maximera den marginella sannolikheten (evidens) för observerade data. Resultatet är en fullständig posteriorfördelning över regressionsvikterna tillsammans med kalibrerad prediktiv osäkerhet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/sv/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 NetMaskininlärning↔ compare
- Lasso-regressionMaskininlärning↔ compare
- Ridge RegressionMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →