待验证60% 置信事实精确时间
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
2
来源数
60%
置信度
长期有效
时效性
2026/8/29
首次发现
来源
涉及实体
相关事实
待验证岭回归是在普通线性回归基础上加入L2正则化项的回归算法，在最小化预测误差的同时对模型系数施加惩罚，防止过拟合79% 相似待验证经典收缩公式（如Ezekiel公式、Adjusted R²）在估算样本外表现时只考虑样本量N和预测变量个数p，隐含假设所有观测对模型拟合的影响力均匀分布。76% 相似待验证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76% 相似待验证当条件分布来自有限混合模型时，漂移参数R = Õ(√n)。73% 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69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/821032API
curl https://kongchang.com/api/v1/knowledge/claims/821032MCP
get_claim(id=821032)