贝叶斯回归

发表于 更新于 分类于 ， 阅读次数： 本文字数： 395 阅读时长 ≈ 1 分钟

什么是贝叶斯回归？

  • 一种结合了概率论和统计学原理的回归分析方法。它不仅考虑数据本身，还加入了对模型参数的先验知识，通过计算后验概率来进行预测和估计
  • 估计回归问题的概率模型。系数的先验 w 由球形高斯给

    p(w∣λ)=N(w∣0,λ−1Ip)p(w|\lambda) = \mathcal{N}(w|0,\lambda^{-1}\mathbf{I}_{p})

    1
    2
    3
    4
    5
    6
    >>> from sklearn import linear_model
    >>> X = [[0., 0.], [1., 1.], [2., 2.], [3., 3.]]
    >>> Y = [0., 1., 2., 3.]
    >>> reg = linear_model.BayesianRidge()
    >>> reg.fit(X, Y)
        BayesianRidge()