Dynaaminen Bayesiläinen mallikeskiarvoistus
Dynaaminen Bayesiläinen mallikeskiarvoistus (DMA) laajentaa standardia Bayesiläistä mallikeskiarvoistusta asetelmiin, joissa paras ennustava malli voi muuttua ajan myötä. Se ylläpitää todennäköisyysjakaumaa kilpailevien mallien joukon yli ja päivittää jakaumaa peräkkäin uusien havaintojen saapuessa, sallien mallipainojen kehittyä kiinteiden painojen sijaan koko otoksen yli.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen mallikeskiarvoistusBayesilainen tilastotiede↔ compare
- Dynaaminen Bayesilainen päättelyBayesilainen tilastotiede↔ compare
- Dynaaminen Bayesilainen VerkkoBayesilainen tilastotiede↔ compare
- Dynaaminen variaatioinferenssiBayesilainen tilastotiede↔ compare
- Kalman-suodinBayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →