Methodenbewijsdossier

Bayesian Logistic Regression

Bayesian logistic regression is a classification model that applies Bayesian inference to a logistic (sigmoid) likelihood for binary or multinomial outcomes. Developed within the weakly-informative prior framework formalised by Gelman, Jakulin, Pittau and Su (2008), it places a prior distribution over the coefficients and combines that prior with the data likelihood to yield a full posterior distribution for each parameter — delivering calibrated class probabilities and honest uncertainty even in small samples, rare-event settings, or cases of complete separation where frequentist maximum likelihood estimation collapses.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Taxonomisch methodendossier · bayesian / bayesian

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyBayesian Regressionmachine-suggested · Relational suggestion, not evidence.See alsoLogistic Regressionmachine-suggested · Relational suggestion, not evidence.Same method familyMCMCmachine-suggested · Relational suggestion, not evidence.