Régression logistique bayésienne
La régression logistique bayésienne est un modèle de classification qui applique l'inférence bayésienne à une vraisemblance logistique (sigmoïde) pour des résultats binaires ou multinomiaux. Développé dans le cadre des a priori faiblement informatifs formalisé par Gelman, Jakulin, Pittau et Su (2008), il place une distribution a priori sur les coefficients et combine cet a priori avec la vraisemblance des données pour obtenir une distribution a posteriori complète pour chaque paramètre — fournissant des probabilités de classe calibrées et une incertitude honnête, même dans de petits échantillons, des situations d'événements rares, ou des cas de séparation complète où l'estimation du maximum de vraisemblance fréquentiste s'effondre.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Bayesian Logistic Regression. ScholarGate. https://scholargate.app/fr/bayesian/bayesian-logistic-regression
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.
- Régression bayésienneBayésien↔ compare
- Régression logistiqueStatistiques de recherche↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →