Dinamikus Bayes-féle Modellátlagolás
A Dinamikus Bayes-féle Modellátlagolás (DMA) kiterjeszti a standard Bayes-féle modellátlagolást olyan esetekre, ahol a legjobb prediktív modell idővel változhat. Fenntart egy valószínűségi eloszlást egy sor versengő modell felett, és szekvenciálisan frissíti ezt az eloszlást, ahogy új megfigyelések érkeznek, lehetővé téve a modell súlyainak fejlődését ahelyett, hogy azok rögzítettek maradnának a teljes mintán.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle modellátlagolásBayes-statisztika↔ compare
- Dinamikus Bayes-i következtetésBayes-statisztika↔ compare
- Dinamikus Bayes-hálóBayes-statisztika↔ compare
- Dinamikus Variációs InferenciaBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →