贝叶斯岭回归和自动相关性确定回归之间的区别是什么？

Question

4

有人知道Bayesian Ridge Regression和ARDR之间的区别吗？更准确地说，是来自sklearn的这两个函数之间的区别：

linear_model.BayesianRidge()  
linear_model.ARDRegression()

当我查看理论时，两者都使用lambda和权重，而ARDRegression被定义为：使用贝叶斯岭回归拟合回归模型。

但我仍然不明白它们之间的区别，因为两个模型都使用权重和lambda来确定回归模型。有人能更加直观地解释吗？

- zuzili

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- MGo · Accepted Answer

这个页面上提供了更详细的信息：点击这里。特别地，ARDR 提出不同的先验假设——假设椭圆高斯先验分布，其中每个权重有自己的标准差，而 BRR 则是假设球形高斯先验分布。

根据这篇论文，"通过对所有特征进行相同的正则化处理，当只有少量特征是相关的时，BRR 并不适用"。而“AR 非常适应正则化处理，因为所有权重都得到了不同的正则化”。然而，它也指出了 ARDR 的一些缺点，包括在模型包含过多的回归器时 "容易欠配"，并且还存在收敛问题"。