Regression modelRegression / GLM
베이지안 일반화 가법 모형(Bayesian Generalized Additive Model, Bayesian GAM)
베이지안 일반화 가법 모형은 부드러운 함수와 추가적인 모형 매개변수에 사전 분포를 설정함으로써 빈도주의 GAM 프레임워크를 확장합니다. 이는 각 부드러운 효과에 대한 완전한 사후 분포를 생성하여, 원칙에 입각한 불확실성 정량화, 하이퍼프라이어를 통한 자동 부드러움 선택, 계층적 또는 혼합 효과 구조와의 원활한 통합을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/ko/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.
- 베이즈 일반화 선형 모형통계학↔ compare
- 베이즈 혼합 효과 모형통계학↔ compare
- 베이즈 다중 선형 회귀통계학↔ compare
- 일반화 가법 모형 (GAM)머신러닝↔ compare