Bayesiskā loģistikā regresija
Bayesiskā loģistikā regresija ir klasifikācijas modelis, kas piemēro Bayesiskās secināšanas metodi loģistikas (sigmoīda) likumībai bināriem vai multinomiāliem iznākumiem. Izstrādāta ietvaros, ko formalizējuši Gelman, Jakulin, Pittau un Su (2008) ar vāji informatīviem priekšstatiem, tā piešķir priekšstata sadalījumu koeficientiem un apvieno šo priekšstatu ar datu likumību, lai iegūtu pilnu katra parametra aizmugures sadalījumu — nodrošinot kalibrētas klases varbūtības un patiesu nenoteiktību pat mazos paraugos, retos notikumos vai pilnīgas separācijas gadījumos, kad biežuma maksimālās likumības novērtējums sabrūk.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Avoti
- Gelman, A., Jakulin, A., Pittau, M. G. & Su, Y.-S. (2008). A Weakly Informative Default Prior Distribution for Logistic and Other Regression Models. Annals of Applied Statistics, 2(4), 1360–1383. DOI: 10.1214/08-AOAS191 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Bayesian Logistic Regression. ScholarGate. https://scholargate.app/lv/bayesian/bayesian-logistic-regression
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.
- Beijesiskā regresijaBajesa metodes↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Mārkova ķēžu Montekarlo (MCMC)Bajesa metodes↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →