Bayesiansk logistisk regression
Bayesiansk logistisk regression er en klassifikationsmodel, der anvender Bayesiansk inferens på en logistisk (sigmoid) likelihood for binære eller multinomiale udfald. Den er udviklet inden for rammerne af den "svagt informative prior"-tilgang, formaliseret af Gelman, Jakulin, Pittau og Su (2008). Modellen placerer en priorfordeling over koefficienterne og kombinerer denne prior med data-likelihooden for at opnå en fuld posteriorfordeling for hver parameter. Dette leverer kalibrerede klasse-sandsynligheder og ægte usikkerhed, selv i små stikprøver, sjældne hændelser eller tilfælde af komplet separation, hvor frequentistisk maximum likelihood-estimering bryder sammen.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- Gelman, A., Jakulin, A., Pittau, M. G. & Su, Y.-S. (2008). A Weakly Informative Default Prior Distribution for Logistic and Other Regression Models. Annals of Applied Statistics, 2(4), 1360–1383. DOI: 10.1214/08-AOAS191 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Bayesian Logistic Regression. ScholarGate. https://scholargate.app/da/bayesian/bayesian-logistic-regression
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.
- Bayesiansk regressionBayesiansk↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →