我们都熟悉这个概念，在文献中有很好的记录，即套索优化（为了简单起见，这里只关注线性回归的情况）
loss = || y - x b ||^2 + c || b ||
等效于具有高斯误差的线性模型，其中参数被给定拉普拉斯先验
exp(-c || b || )
我们还知道，调整参数 c 设置的越高，参数设置为零的部分就越大。话虽如此，我有以下思考问题：
考虑从贝叶斯的角度来看，我们可以计算后验概率，例如，非零参数估计位于任何给定的区间集合中，并且套索设置为零的参数等于零。让我感到困惑的是，鉴于拉普拉斯先验是连续的（实际上是绝对连续的），那么在任何集合上怎么会有任何质量，它是 {0} 处的区间和单例的乘积？