การถดถอยแบบเบย์เซียน (Bayesian Ridge Regression)
การถดถอยแบบเบย์เซียน (Bayesian Ridge Regression) เป็นการกำหนดรูปแบบเชิงความน่าจะเป็นของการถดถอยแบบริดจ์ (ridge regression) ซึ่งถูกนำเสนอโดย David J. C. MacKay ในปี 1992 โดยที่ความเข้มของการทำให้เป็นปกติ (regularisation strength) และความแม่นยำของสัญญาณรบกวน (noise precision) ไม่ได้ถูกกำหนดโดยนักวิเคราะห์ แต่จะถูกประมาณค่าโดยอัตโนมัติด้วยการทำให้ความน่าจะเป็นตามขอบเขต (marginal likelihood) ของข้อมูลที่สังเกตได้มีค่าสูงสุด (evidence) ผลลัพธ์ที่ได้คือการแจกแจงตามหลัง (posterior distribution) ที่สมบูรณ์สำหรับน้ำหนักการถดถอย (regression weights) พร้อมกับความไม่แน่นอนในการทำนายที่ปรับเทียบแล้ว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/th/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 Netการเรียนรู้ของเครื่อง↔ compare
- Lasso Regressionการเรียนรู้ของเครื่อง↔ compare
- Ridge Regressionการเรียนรู้ของเครื่อง↔ compare