มีการตีความแบบเบย์ของการถดถอยเชิงเส้นพร้อมกับการทำให้เป็นมาตรฐาน L1 และ L2 พร้อมกัน (อาคายืดหยุ่นสุทธิ) หรือไม่?

เป็นที่ทราบกันดีว่าการถดถอยเชิงเส้นที่มีการลงโทษนั้นเทียบเท่ากับการหาค่าประมาณ MAP ที่กำหนดให้ Gaussian ก่อนค่าสัมประสิทธิ์ ในทำนองเดียวกันการใช้การลงโทษนั้นเทียบเท่ากับการใช้การแจกแจงแบบลาปลาซก่อนหน้านี้$l^2$$l^1$

มันไม่ใช่เรื่องแปลกที่จะใช้บางชุดถ่วงน้ำหนักของและกู เราสามารถพูดได้ไหมว่าสิ่งนี้เทียบเท่ากับการกระจายก่อนหน้ามากกว่าค่าสัมประสิทธิ์ (โดยสังเขปดูเหมือนว่าจะต้องเป็น) เราสามารถให้รูปแบบการวิเคราะห์ที่ดี (อาจเป็นส่วนผสมของ Gaussian และ Laplacian) ได้หรือไม่? ถ้าไม่ทำไมไม่$l^1$$l^2$

ความคิดเห็นของเบ็นน่าจะเพียงพอ แต่ฉันให้การอ้างอิงเพิ่มเติมซึ่งหนึ่งในนั้นมาจากก่อนหน้าเอกสารอ้างอิงของเบ็น

$\beta$

Roy และ Chakraborty (สมการที่ 6) แบบจำลอง Bayesian ที่ถูกต้องสำหรับตาข่ายยืดหยุ่นนั้นถูกนำเสนอเมื่อไม่นานมานี้ ผู้เขียนยังนำเสนอตัวอย่างกิ๊บส์ที่เหมาะสมเพื่อสุ่มตัวอย่างจากการกระจายหลังและแสดงให้เห็นว่าตัวอย่างกิ๊บส์มาบรรจบกับการกระจายนิ่งที่อัตราทางเรขาคณิต ด้วยเหตุนี้การอ้างอิงเหล่านี้อาจจะเปิดออกเพื่อจะเป็นประโยชน์นอกเหนือไปจากกระดาษฮันส์