帶有正則化的 MLE 是貝葉斯方法嗎？

通常說貝葉斯統計的先驗可以被視為正則化因子，因為它們會懲罰先驗概率密度較低的解決方案。

然後，給定這個簡單模型，其 MLE 參數為：

我添加了一個先驗：

這些參數不是 MLE 參數，而是 MAP 參數。 問題：這是否意味著如果我在我的模型中引入一些正則化，我正在做貝葉斯分析（即使只使用點估計）？

或者在這一點上進行這種“本體論”區分是沒有意義的，因為找到 MLE 或 MAP 的方法是相同的（不是嗎？）？

這意味著該分析具有貝葉斯解釋，但這並不意味著它也可能沒有常客解釋。MAP 估計可能被視為一種部分貝葉斯方法，更完整的貝葉斯方法是考慮參數的後驗分佈。儘管如此，它仍然是一種貝葉斯方法，因為概率的定義是“合理程度”，而不是長期頻率。

引用自：https://stats.stackexchange.com/questions/125938