待验证50% 置信事实精确时间

Ridge回归是在普通最小二乘法基础上加入L2正则化项的线性模型

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

可解释机器学习预测正念干预后抑郁走向：时间与疾病差异揭秘

涉及实体

Ridge回归technology

相关事实

待验证L2正则化（Ridge回归）从贝叶斯视角等价于假设模型参数服从均值为零的高斯先验分布76% 相似已验证单变量线性回归模型可表示为 y = w * x + b，其中w是权重（斜率），b是偏置（截距）67% 相似待验证在L×L格点模型中只需一个一维模型在推理时复制L×L份并注入二次相互作用，算法正确捕捉了相变行为65% 相似待验证该方法沿推前曲线构造二次模型，用显式的自伴随二阶变分算子刻画能量在测度空间中的曲率64% 相似待验证当先验为高斯分布N(0, σ²I)时，取对数后先验项变为参数的L2范数惩罚，等价于岭回归的正则化项；拉普拉斯先验对应L1范数惩罚即Lasso回归63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986732

API

curl https://kongchang.com/api/v1/knowledge/claims/986732

MCP

get_claim(id=986732)