Bayesian Logistic Regression

Die Bayes'sche Logistische Regression ist ein Klassifikationsmodell, das Bayes'sche Inferenz auf eine logistische (sigmoidale) Likelihood für binäre oder multinomiale Ergebnisse anwendet. Entwickelt im Rahmen von schwach informativen Priors, die von Gelman, Jakulin, Pittau und Su (2008) formalisiert wurden, weist sie den Koeffizienten eine Prior-Verteilung zu und kombiniert diesen Prior mit der Daten-Likelihood, um eine vollständige Posterior-Verteilung für jeden Parameter zu erhalten – dies liefert kalibrierte Klassenwahrscheinlichkeiten und ehrliche Unsicherheiten selbst in kleinen Stichproben, bei seltenen Ereignissen oder bei vollständiger Trennung, wo die frequentistische Maximum-Likelihood-Schätzung zusammenbricht.