การถดถอยโลจิสติกแบบเบย์

การถดถอยโลจิสติกแบบเบย์เป็นแบบจำลองการจำแนกประเภทที่ประยุกต์ใช้อนุมานแบบเบย์กับฟังก์ชันความน่าจะเป็นโลจิสติก (ซิกมอยด์) สำหรับผลลัพธ์แบบไบนารีหรือพหุนาม พัฒนาขึ้นภายใต้กรอบแนวคิดของความรู้เดิมแบบอ่อน (weakly-informative prior) ที่ Gelman, Jakulin, Pittau และ Su (2008) ได้วางรากฐานไว้ โดยจะกำหนดการแจกแจงความน่าจะเป็นล่วงหน้า (prior distribution) ให้กับสัมประสิทธิ์ และรวมความน่าจะเป็นล่วงหน้านั้นเข้ากับความน่าจะเป็นของข้อมูล (data likelihood) เพื่อให้ได้การแจกแจงความน่าจะเป็นภายหลัง (posterior distribution) ที่สมบูรณ์สำหรับแต่ละพารามิเตอร์ ซึ่งให้ความน่าจะเป็นของชั้นเรียนที่ปรับเทียบแล้วและความไม่แน่นอนที่เที่ยงตรง แม้ในกรณีตัวอย่างขนาดเล็ก เหตุการณ์หายาก หรือกรณีของการแยกประเภทที่สมบูรณ์ (complete separation) ซึ่งการประมาณค่าด้วยวิธีความน่าจะเป็นสูงสุดแบบความถี่นิยม (frequentist maximum likelihood estimation) จะล้มเหลว