Regression
是否存在同時進行 L1 和 L2 正則化（又名彈性網）的線性回歸的貝葉斯解釋？
眾所周知，線性回歸懲罰等效於在給定係數的高斯先驗的情況下找到 MAP 估計。同樣，使用懲罰等效於使用拉普拉斯分佈作為先驗。
使用一些加權組合併不少見和正則化。我們可以說這相當於係數上的一些先驗分佈嗎（直覺上，它似乎必須如此）？我們可以給這個分佈一個很好的分析形式（可能是高斯和拉普拉斯的混合）？如果不是，為什麼不呢？
Ben 的評論可能就足夠了，但我提供了更多參考資料，其中一份來自 Ben 引用的論文之前。
Kyung 等人提出了貝葉斯彈性網絡表示。人。在他們的第 3.1 節中。雖然回歸係數的先驗是正確的，作者錯誤地寫下了混合表示。
Roy 和 Chakraborty最近提出了彈性網的修正貝葉斯模型（他們的方程 6）。作者還繼續提出了一個合適的 Gibbs 採樣器來從後驗分佈中採樣，並表明 Gibbs 採樣器以幾何速率收斂到平穩分佈。出於這個原因，除了漢斯的論文之外，這些參考資料可能會很有用。