Regression modelRegression / GLM
ベイズ一般化加法モデル（Bayesian GAM）
ベイズ一般化加法モデルは、平滑関数および追加のモデルパラメータ上に事前分布を配置することにより、頻度論的GAMフレームワークを拡張する。これにより、各平滑効果に対する完全な事後分布が得られ、原理に基づいた不確実性定量化、ハイパー事前分布による自動平滑性選択、階層的または混合効果構造とのシームレスな統合が可能になる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/ja/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.
- ベイズ一般化線形モデル統計学↔ compare
- ベイズ混合効果モデル統計学↔ compare
- Bayesian Multiple linear regression統計学↔ compare
- 一般化加法モデル（GAM）機械学習↔ compare