เปรียบเทียบวิธี

	Bayesian OLS (การถดถอยกำลังสองน้อยที่สุดแบบเบย์เซียน)	Ridge Regression
สาขาวิชา	เศรษฐมิติ	การเรียนรู้ของเครื่อง
ตระกูล	Regression model	Machine learning
ปีกำเนิด	1971	1970
ผู้ริเริ่ม	Arnold Zellner	Hoerl, A.E. & Kennard, R.W.
ประเภท	Bayesian linear regression	L2-regularized linear regression
แหล่งต้นตำรับ	Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley. ISBN: 978-0471169376	Hoerl, A.E. & Kennard, R.W. (1970). Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, 12(1), 55–67.
ชื่อเรียกอื่น	Bayesian linear regression, Bayesian normal regression, BLR, Bayesian least squares	Ridge Regresyonu, ridge regresyonu, L2-regularized regression, Tikhonov regularization
ที่เกี่ยวข้อง	5	4
สรุป	Bayesian OLS combines the classical linear regression likelihood with prior distributions over the coefficients and error variance. Rather than reporting point estimates, it produces full posterior distributions that quantify both estimated effects and their uncertainty. The approach is especially valuable when prior knowledge is available or when samples are small.	Ridge Regression is an L2-regularized linear regression method, introduced by Arthur Hoerl and Robert Kennard in 1970, that reduces multicollinearity by adding a penalty on the size of the coefficients. It shrinks coefficients toward zero without setting any of them exactly to zero, producing more stable estimates when predictors are highly correlated.