เปรียบเทียบวิธี

	การถดถอยแบบ LASSO ของเบย์ (Bayesian LASSO Regression)	การถดถอยแบบเบย์เซียน (Bayesian Ridge Regression)
สาขาวิชา	สถิติศาสตร์	การเรียนรู้ของเครื่อง
ตระกูล	Regression model	Bayesian methods
ปีกำเนิด	2008	1992
ผู้ริเริ่ม	Park & Casella	MacKay, D. J. C.
ประเภท	Bayesian regularized regression	Probabilistic regularised regression
แหล่งต้นตำรับ	Park, T., & Casella, G. (2008). The Bayesian Lasso. Journal of the American Statistical Association, 103(482), 681–686.	MacKay, D. J. C. (1992). Bayesian Interpolation. Neural Computation, 4(3), 415–447.
ชื่อเรียกอื่น	Bayesian LASSO, Bayesian L1 regression, double-exponential prior regression, Laplace prior regression	BRR, Bayesian linear regression with automatic relevance determination, evidence approximation ridge, marginal likelihood ridge
ที่เกี่ยวข้อง	5	3
สรุป	Bayesian LASSO regression places double-exponential (Laplace) priors on regression coefficients, which is the Bayesian analogue of the classical LASSO penalty. It simultaneously shrinks small coefficients toward zero and performs soft variable selection, all within a coherent posterior inference framework that naturally quantifies parameter uncertainty through credible intervals.	Bayesian Ridge Regression is a probabilistic formulation of ridge regression, introduced by David J. C. MacKay in 1992, in which the regularisation strength and noise precision are not fixed by the analyst but are instead estimated automatically by maximising the marginal likelihood (evidence) of the observed data. The result is a full posterior distribution over the regression weights together with calibrated predictive uncertainty.