Bayesovské průměrování modelů
Bayesovské průměrování modelů (BMA), formalizované v tutoriálu Hoeting, Madigan, Raftery a Volinsky v roce 1999, řeší nejistotu modelu průměrováním přes všechny věrohodné specifikace modelu namísto výběru jediného nejlepšího modelu. Každý kandidátní model obdrží aposteriorní pravděpodobnost, která odráží, jak dobře odpovídá datům při dané apriorní informaci, a predikce nebo odhady koeficientů jsou tvořeny jako vážené průměry napříč celým prostorem modelů. Tento přístup snižuje zkreslení a nadměrnou sebedůvěru, které vznikají, když je jediný vybraný model považován za pravdivý.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Zdroje
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian Model Averaging: A Tutorial. Statistical Science, 14(4), 382–401. link ↗
- Zeugner, S. & Feldkircher, M. (2015). Bayesian Model Averaging Employing Fixed and Flexible Priors: The BMS Package for R. Journal of Statistical Software, 68(4), 1–37. DOI: 10.18637/jss.v068.i04 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Bayesian Model Averaging. ScholarGate. https://scholargate.app/cs/bayesian/bayesian-model-averaging
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesovský hierarchický modelBayesovská statistika↔ compare
- Bayesovská regreseBayesovská statistika↔ compare
- Elastic NetStrojové učení↔ compare
- Regrese LassoStrojové učení↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →