Bayesiläinen mallikeskiarvoistus
Bayesiläinen mallikeskiarvoistus (BMA), jonka Hoeting, Madigan, Raftery ja Volinsky formalisoivat tutoriaalissaan vuonna 1999, käsittelee malliepävarmuutta keskiarvoistamalla kaikkien uskottavien mallispesifikaatioiden yli yhden parhaan mallin valitsemisen sijaan. Jokainen ehdokasmalli saa posterioritodennäköisyyden, joka heijastaa sitä, kuinka hyvin se sopii dataan annetun priorin perusteella, ja ennusteet tai kerroinestimaatit muodostetaan painotettuina keskiarvoina koko malliavaruuden yli. Tämä lähestymistapa vähentää harhaa ja ylivarmuutta, jotka syntyvät, kun yhtä valittua mallia kohdellaan totuutena.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Bayesian Model Averaging. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen hierarkkinen malliBayesilainen tilastotiede↔ compare
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Elastic NetKoneoppiminen↔ compare
- Lasso-regressioKoneoppiminen↔ compare
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →