Bayesiansk Modelaveraging
Bayesiansk modelaveraging (BMA), formaliseret som en tutorial af Hoeting, Madigan, Raftery og Volinsky i 1999, adresserer modelusikkerhed ved at gennemsnitliggøre over alle plausible modelspecifikationer frem for at vælge en enkelt bedste model. Hver kandidatmodel tildeles en posterior sandsynlighed, der afspejler, hvor godt den passer til data givet en prior, og forudsigelser eller koefficientestimater dannes som vægtede gennemsnit på tværs af hele modelrummet. Denne tilgang reducerer den bias og overkonfidens, der opstår, når en enkelt udvalgt model behandles som den sande.
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.
+9 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Bayesian Model Averaging. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk hierarkisk modelBayesiansk↔ compare
- Bayesiansk regressionBayesiansk↔ compare
- Elastic NetMaskinlæring↔ compare
- Lasso-regressionMaskinlæring↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →