เปรียบเทียบวิธี

	การถดถอยแบบเบย์ (Bayesian Regression)	Ridge Regression
สาขาวิชา	เบย์	การเรียนรู้ของเครื่อง
ตระกูล	Bayesian methods	Machine learning
ปีกำเนิด	—	1970
ผู้ริเริ่ม	—	Hoerl, A.E. & Kennard, R.W.
ประเภท	Bayesian linear model	L2-regularized linear regression
แหล่งต้นตำรับ	Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955	Hoerl, A.E. & Kennard, R.W. (1970). Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, 12(1), 55–67.
ชื่อเรียกอื่น	bayesian linear regression, probabilistic regression, bayesian regresyon	Ridge Regresyonu, ridge regresyonu, L2-regularized regression, Tikhonov regularization
ที่เกี่ยวข้อง	2	4
สรุป	Bayesian regression is a probabilistic version of linear regression that treats the model parameters as uncertain quantities. Instead of returning a single best-fit estimate, it combines prior knowledge with the observed data to produce a full posterior probability distribution for each parameter, from which credible intervals and predictions are read off.	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.