Bayesiläinen yleistetty additiivinen malli (Bayesian GAM)
Bayesiläiset yleistetyt additiiviset mallit laajentavat frekventististä GAM-kehystä asettamalla priorijakaumia sileille funktioille ja kaikille lisäparametreille. Tämä tuottaa täydelliset posteriorijakaumat jokaiselle sileälle efektille, mahdollistaen periaatteellisen epävarmuuden kvantifioinnin, automaattisen sileysvalinnan hyperpriorien avulla ja saumattoman integroinnin hierarkkisiin tai sekamallirakenteisiin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Wood, S. N. (2017). Generalized Additive Models: An Introduction with R (2nd ed.). CRC Press. ISBN: 9781498728331
- Bürkner, P.-C. (2017). brms: An R Package for Bayesian Multilevel Models Using Stan. Journal of Statistical Software, 80(1), 1–28. DOI: 10.18637/jss.v080.i01 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/fi/statistics/bayesian-generalized-additive-model
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.
- Bayesilainen yleistetty lineaarinen malliTilastotiede↔ compare
- Bayesiläinen sekoitettujen malliTilastotiede↔ compare
- Bayesiläinen monimuuttujaregressioTilastotiede↔ compare
- Yleistetty additiivinen malli (GAM)Koneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →