ScholarGate
Ассистент
Bayesian methods

Байесовская регрессия

Байесовская регрессия — это вероятностная версия линейной регрессии, которая рассматривает параметры модели как неопределенные величины. Вместо того чтобы выдавать единственную наилучшую оценку, она объединяет априорные знания с наблюдаемыми данными для получения полного апостериорного распределения вероятностей для каждого параметра, из которого считываются доверительные интервалы и прогнозы.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Байесовская регрессия
Метод Монте-Карло по цеп…Регрессия методом обыкно…Автоматическое дифференц…Тест на основе байесовск…Байесовский дисперсионны…Байесовский факторный ан…Байесовская иерархическа…Байесовский вывод с учет…Байесовский вывод при на…Байесовский метод инстру…

+45 more

Источники

  1. Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955

Как цитировать эту страницу

ScholarGate. (2026, June 1). Bayesian Linear Regression. ScholarGate. https://scholargate.app/ru/bayesian/bayesian-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.

Compare side by side →

Упоминается в

Автоматическое дифференцирование вариационного вывода (ADVI)Тест на основе байесовского фактораБайесовский дисперсионный анализБайесовский факторный анализБайесовская иерархическая модельБайесовский вывод с учетом ошибки измеренияБайесовский вывод при наличии пропущенных данныхБайесовский метод инструментальных переменных (Bayesian IV)Байесовская линейная регрессияБайесовская логистическая регрессияБайесовское усреднение моделейБайесовское усреднение моделей с ошибками измеренияБайесовская сетьБайесовские непараметрические методыБайесовское моделирование структурными уравнениями (BSEM)Байесовские структурные временные рядыБайесовский анализ выживаемостиБайесовский t-критерийАнализ сопряженных априорных распределенийДифференциальная эволюцияСмесь с процессом Дирихле (Dirichlet Process Mixture Model, DPMM)Динамический байесовский выводДинамический гамильтоновский метод Монте-КарлоЭмпирический БайесСэмплирование по ГиббсуГамильтонов Монте-КарлоИерархический байесовский выводИерархическое байесовское усреднение моделейИерархический Гамильтонов Монте-КарлоИерархический Марковский Монте-КарлоИерархическое вариационное выведениеФильтр КалманаАппроксимация ЛапласаМарковские цепи Монте-Карло (MCMC)Метод Монте-Карло по цепям Маркова (MCMC)MCMC с ошибкой измеренияАлгоритм МетрополисаМодель смешанного логитаМногоуровневое байесовское моделированиеМногоуровневое байесовское усреднение моделейМногоуровневый MCMCСэмплирование No-U-Turn (NUTS)Фильтр частиц (последовательное Монте-Карло)Робастное байесовское оцениваниеРобастное байесовское усреднение моделейRobust Gibbs SamplingРобастное вариационное сближениеСлайсинг (Slice Sampling)Пространственное байесовское усреднение моделейБайесовская иерархическая модель временных рядовБайесовский вывод для временных рядовБайесовское усреднение моделей временных рядовФильтр Калмана для временных рядовВариационный вывод

Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →

ScholarGate — Bayesian Regression (Bayesian Linear Regression). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/bayesian-regression · Набор данных: https://doi.org/10.5281/zenodo.20539026