ベイズロジスティック回帰

ベイズロジスティック回帰は、二項または多項アウトカムに対するロジスティック（シグモイド）尤度にベイズ推論を適用する分類モデルである。Gelman, Jakulin, Pittau, Su (2008) によって形式化された弱情報事前分布の枠組み内で開発され、係数に事前分布を置き、その事前分布とデータ尤度を組み合わせて各パラメータの完全な事後分布を得ることで、少サンプル、稀事象設定、または頻度論的最尤推定が破綻する完全分離の場合でも、調整されたクラス確率と信頼できる不確実性を提供する。