Dynamické bayesovské priemerovanie modelov
Dynamické bayesovské priemerovanie modelov (DMA) rozširuje štandardné bayesovské priemerovanie modelov na situácie, kde sa najlepší prediktívny model môže časom meniť. Udržiava pravdepodobnostné rozdelenie nad množinou konkurujúcich si modelov a toto rozdelenie sekvenčne aktualizuje, keď prichádzajú nové pozorovania, čo umožňuje váham modelov vyvíjať sa namiesto toho, aby zostali fixné počas celej vzorky.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Raftery, A. E., Karny, M., & Ettler, P. (2010). Online prediction under model uncertainty via dynamic model averaging: Application to a cold rolling mill. Technometrics, 52(1), 52-66. DOI: 10.1198/TECH.2009.08104 ↗
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/sk/bayesian/dynamic-bayesian-model-averaging
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.
- Bayesovské spriemerovanie modelovBayesovské metódy↔ compare
- Dynamická bayesovská inferenciaBayesovské metódy↔ compare
- Dynamická Bayesovská sieťBayesovské metódy↔ compare
- Dynamická variačná inferenciaBayesovské metódy↔ compare
- Kalmanov filterBayesovské metódy↔ compare
- Sekvenčné Monte CarloBayesovské metódy↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →