Байесовская обобщенная аддитивная модель (Bayesian GAM)
Байесовские обобщенные аддитивные модели расширяют фреймворк частотных GAM, помещая априорные распределения на гладкие функции и любые дополнительные параметры модели. Это дает полные апостериорные распределения для каждого гладкого эффекта, обеспечивая принципиальное количественное определение неопределенности, автоматический выбор гладкости через гиперприоры и бесшовную интеграцию с иерархическими или смешанными моделями.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/ru/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.
- Байесовская обобщенная линейная модельСтатистика↔ compare
- Байесовская модель со смешанными эффектамиСтатистика↔ compare
- Байесовская множественная линейная регрессияСтатистика↔ compare
- Обобщенная аддитивная модель (GAM)Машинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →