Байєсівська гребенева регресія
Байєсівська гребенева регресія — це імовірнісне формулювання гребеневої регресії, запроваджене Девідом Дж. К. Маккеєм у 1992 році, в якому сила регуляризації та точність шуму не фіксуються аналітиком, а натомість оцінюються автоматично шляхом максимізації граничної правдоподібності (доказу) спостережуваних даних. Результатом є повний апостеріорний розподіл регресійних коефіцієнтів разом із каліброваною прогностичною невизначеністю.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Ridge Regression (MacKay Probabilistic Regularisation). ScholarGate. https://scholargate.app/uk/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 NetМашинне навчання↔ compare
- Lasso-регресіяМашинне навчання↔ compare
- Гребенева регресіяМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →