Хорошо известно, что линейная регрессия с штрафом эквивалентна нахождению оценки MAP с учетом гауссовского априорного коэффициента. Точно так же использование штрафа l 1 эквивалентно использованию распределения Лапласа в качестве предыдущего.
Нередко используют некоторую взвешенную комбинацию регуляризации и l 2 . Можно ли сказать, что это эквивалентно некоторому предварительному распределению по коэффициентам (интуитивно кажется, что так и должно быть)? Можем ли мы дать этому распределению хорошую аналитическую форму (возможно, смесь гауссовского и лапласианского)? Если нет, то почему нет?
regression
bayesian
regularization
prior
elastic-net
Майкл Карри
источник
источник
Ответы:
Комментарий Бена, вероятно, является достаточным, но я приведу еще несколько ссылок, одна из которых содержится в статье, на которую ссылается Бен.
Байесовское представление упругих сетей было предложено Kyung et. и др. в их разделе 3.1. Хотя априорная оценка для коэффициента регрессии была правильной, авторы неправильно записали представление смеси.β
Исправленная байесовская модель для упругой сети была недавно предложена Роем и Чакраборти (их уравнение 6). Далее авторы представляют соответствующий пробоотборник Гиббса для выборки из апостериорного распределения и показывают, что пробоотборник Гиббса сходится к стационарному распределению с геометрической скоростью. По этой причине эти ссылки могут оказаться полезными, в дополнение к статье Ганса .
источник