Bayes-féle modellátlagolás
A Hoeting, Madigan, Raftery és Volinsky által 1999-ben publikált tutorialban formalizált Bayes-féle modellátlagolás (BMA) a modellbizonytalanságot úgy kezeli, hogy az összes lehetséges modellspecifikáció átlagát veszi, ahelyett, hogy egyetlen legjobbat választana ki. Minden jelölt modell kap egy utólagos valószínűséget, amely tükrözi, mennyire illeszkedik az adatokhoz egy adott előzetes figyelembevételével, és az előrejelzések vagy együtthatóbecslések a teljes modellteret lefedő súlyozott átlagokként jönnek létre. Ez a megközelítés csökkenti azt az elfogultságot és túlzott magabiztosságot, amely akkor keletkezik, amikor egyetlen kiválasztott modellt tekintünk az igazinak.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Bayesian Model Averaging. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle hierarchikus modellBayes-statisztika↔ compare
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Elastic NetGépi tanulás↔ compare
- Lasso-regresszióGépi tanulás↔ compare
- Markov-lánc Monte Carlo (MCMC)Bayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →