贝叶斯线性回归模型套索正规化
该贝叶斯线性回归模型宾语lassoblm
指定回归系数的联合先验分布和干扰方差(β,σ2)实现贝叶斯套索回归[1]。对于Ĵ= 1,…,NumPredictors
的条件先验分布βĴ|σ2拉普拉斯(双指数)分布的均值和比例尺是0吗σ2/λ,在那里λ是套索的正则化或收缩参数。先验分布σ2逆和形状有关吗一个和规模乙。
数据可能性是 在哪里ϕ(ÿŤ;XŤβ,σ2)的高斯概率密度评估在ÿŤ均值XŤβ和方差σ2。由此产生的后验分布在分析上是不容易处理的。有关后验分布的详细信息,请参阅易于分析后验。
通常,在创建贝叶斯线性回归模型对象,它仅指定线性回归模型的联合先验分布和特征。也就是说,模型对象是用于进一步使用的模板。具体而言,纳入数据到模型对于后验分布的分析和特征选择,通过模型对象和数据到适当的目标函数。
LAMBDA
是一个调优参数。因此,使用收缩值网格进行Bayesian lasso回归,选择最能平衡拟合准则和模型复杂度的模型。
用于估计、仿真和预测,MATLAB®不标准化预测数据。如果预测数据中的变量具有不同的尺度,则通过提供一个数值向量来为每个预测器指定一个收缩参数LAMBDA
。
该bayeslm
函数可以为贝叶斯线性回归创建任何支持的先验模型对金宝app象。
[1]T.帕克和G.卡塞拉。“贝叶斯套索”。美国统计协会杂志。第103卷,第482号,2008年,第681-686页。