Регуляризация в stan_lm
Я также пытаюсь научиться использовать stanarm, начиная с простой модели lm:
summary(lm(log(rt) ~so, data = rDat))
Основываясь на некоторых подсказках в виньетках rstanarm, я запустил байесовскую версию вышеупомянутого, используя stan_glm, используя семейство Гаусса и ранее:
stanarmFixEfFit2 <- stan_glm(log(rt) ~ so, data = rDat,
family = 'gaussian')
Это работает одновременно с параллельной моделью STAN.
Но когда я запускаю модель с использованием stan_lm с единственным априором, который, кажется, работает с линейной моделью с одной независимой переменной, это займет ОЧЕНЬ больше времени вычисления:
stanarmfixEfFit <- stan_lm(log(rt) ~so, data = rDat,
prior = R2(0.5, what = 'mean'))
Я признаю, что stan_lm предназначен для "регуляризации", а также для оценки модели. Я думаю, что это означает, что все коэффициенты для (стандартизированных) независимых переменных (там, где их много) должны исходить из заданного распределения и "упорядочивать" результаты путем сокращения коэффициентов в сторону общего среднего коэффициента. Я предполагаю, что это объясняет заметное увеличение времени вычислений для модели stan_lm. Но математическая математика в разложении Холецкого мне недоступна. Может ли кто-нибудь указать мне на менее интенсивное обсуждение математики, что такое "регуляризация" и как она работает? Спасибо за помощь.