Dünaamiline Bayes'i mudelikeskmine
Dünaamiline Bayes'i mudelikeskmine (DMA) laiendab standardset Bayes'i mudelikeskmist stsenaariumidele, kus parim ennustav mudel võib aja jooksul muutuda. See säilitab tõenäosusjaotuse konkureerivate mudelite hulga üle ja värskendab seda jaotust järjestikku uute vaatluste saabumisel, võimaldades mudelite kaaludel areneda, mitte jääda fikseerituks kogu valimi ulatuses.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Raftery, A. E., Karny, M., & Ettler, P. (2010). Online prediction under model uncertainty via dynamic model averaging: Application to a cold rolling mill. Technometrics, 52(1), 52-66. DOI: 10.1198/TECH.2009.08104 ↗
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/et/bayesian/dynamic-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.
- Bayes'i mudelikeskmineBayesi meetodid↔ compare
- Dünaamiline Bayes'lik järeldusBayesi meetodid↔ compare
- Dünaamiline BayesivõrkBayesi meetodid↔ compare
- Dünaamiline variatsiooniline järeldusBayesi meetodid↔ compare
- Kalmani filterBayesi meetodid↔ compare
- Jadaline Monte CarloBayesi meetodid↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →