складність 4/5
Bayesian linear regression
Лінійна регресія, що повертає розподіл коефіцієнтів замість окремих значень, — тож кожен прогноз приходить із чесною невизначеністю, а силу регуляризації вивчають, а не налаштовують.
Інтуїція
Звичайні найменші квадрати повертають одне число на коефіцієнт і нічого не кажуть про те, наскільки вони в ньому впевнені. Підженіть їх до восьми зашумлених точок — і вони повідомлять нахил рівно з тією самою впевненістю, ніби точок було вісім тисяч.
Баєсова лінійна регресія від цього відмовляється. Вона починає з апріорного переконання про коефіцієнти, оновлює його даними й повертає розподіл — центр і розкид. Мало даних дають широкий розкид; багато даних його звужують. Невизначеність моделі стає частиною її виходу, а не приміткою [2, §5.6].
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- scikit-learn — sklearn.linear_model.BayesianRidgedocs · звірено 2026-08-31https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.BayesianRidge.html
- Deep Learning (2016)book · звірено 2026-10-07https://www.deeplearningbook.org/