Εγγραφή τεκμηρίου μεθόδου

Bayesian Logistic Regression

Bayesian logistic regression is a classification model that applies Bayesian inference to a logistic (sigmoid) likelihood for binary or multinomial outcomes. Developed within the weakly-informative prior framework formalised by Gelman, Jakulin, Pittau and Su (2008), it places a prior distribution over the coefficients and combines that prior with the data likelihood to yield a full posterior distribution for each parameter — delivering calibrated class probabilities and honest uncertainty even in small samples, rare-event settings, or cases of complete separation where frequentist maximum likelihood estimation collapses.

Sources recorded, not reviewed

Εγγραφή πηγής

Οι παραπομπές αντιγράφονται αυτούσιες από την εγγραφή πηγής της μεθόδου. Δεν υπονοείται επαλήθευση σε επίπεδο ισχυρισμού από αυτές.

Εγγραφή ταξινομικής μεθόδου · bayesian / bayesian

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

Άνοιγμα πλήρους μεθόδου

Επιμελημένοι ισχυρισμοί

Οι ισχυρισμοί έχουν αποθηκευτεί στο καθολικό τεκμηρίων, καθένας με τη δική του αξιολόγηση.

Δεν υπάρχουν ακόμη επιμελημένοι ισχυρισμοί

Αυτή η προβολή δεν επινοεί αξιολόγηση ισχυρισμού όταν το καθολικό δεν έχει κανέναν.

Σχετικές μέθοδοι

Δημιουργούνται από τον γράφο μεθόδων και εμφανίζονται ως προτεινόμενες από μηχανή σχέσεις — δεν υπονοείται ισχυρισμός τεκμηρίου.

Same method familyBayesian Regressionmachine-suggested · Relational suggestion, not evidence.See alsoLogistic Regressionmachine-suggested · Relational suggestion, not evidence.Same method familyMCMCmachine-suggested · Relational suggestion, not evidence.