通过检查LASSO正在优化的数量可以明显看出这一点。
取的先验值是独立的Laplace,均值零且标度。βiτ
因此。p(β|τ)∝e−12τ∑i|βi|
数据模型是通常的回归假设。y∼iidN(Xβ,σ2)
f(y|X,β,σ2)∝(σ2)−n/2exp(−12σ2(y−Xβ)T(y−Xβ))
现在减去后验对数的两倍为
k(σ2,τ,n,p)+ 1σ2(y−Xβ)T(y−Xβ)+1τ∑i|βi|
令,我们得到 log-后λ=σ2/τ−2log
k(σ2,λ,n,p)+ 1σ2[(y−Xβ)T(y−Xβ)+λ∑i|βi|]
的MAP估算器使上述最小化,从而使β
S=(y−Xβ)T(y−Xβ)+λ∑i|βi|
因此的MAP估计器是LASSO。β
(在这里,我将视为有效固定的,但是您可以用它做其他事情,而仍然可以得到LASSO。)σ2
编辑:这就是我离线编写答案所得到的;我没有看到安德鲁已经发布了一个好的答案。我的确不做他没有做过的任何事情。我将暂时离开,因为它会根据给出开发的更多细节。β