การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA)
การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA) ซึ่งได้รับการนำเสนอในรูปแบบบทเรียนโดย Hoeting, Madigan, Raftery และ Volinsky ในปี 1999 จัดการกับความไม่แน่นอนของแบบจำลองโดยการเฉลี่ยค่าจากข้อกำหนดแบบจำลองที่เป็นไปได้ทั้งหมด แทนที่จะเลือกแบบจำลองที่ดีที่สุดเพียงแบบจำลองเดียว แบบจำลองผู้สมัครแต่ละแบบจะได้รับความน่าจะเป็นภายหลัง (posterior probability) ซึ่งสะท้อนว่าแบบจำลองนั้นเหมาะสมกับข้อมูลได้ดีเพียงใดเมื่อพิจารณาจากความน่าจะเป็นก่อน (prior) และการทำนายหรือการประมาณค่าสัมประสิทธิ์จะถูกสร้างขึ้นจากการเฉลี่ยแบบถ่วงน้ำหนักทั่วทั้งปริภูมิแบบจำลอง (model space) แนวทางนี้ช่วยลดความเอนเอียงและความมั่นใจเกินจริงที่เกิดขึ้นเมื่อแบบจำลองที่เลือกเพียงแบบจำลองเดียวถูกปฏิบัติเสมือนเป็นแบบจำลองที่ถูกต้อง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
แหล่งอ้างอิง
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian Model Averaging: A Tutorial. Statistical Science, 14(4), 382–401. link ↗
- Zeugner, S. & Feldkircher, M. (2015). Bayesian Model Averaging Employing Fixed and Flexible Priors: The BMS Package for R. Journal of Statistical Software, 68(4), 1–37. DOI: 10.18637/jss.v068.i04 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Bayesian Model Averaging. ScholarGate. https://scholargate.app/th/bayesian/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.
- แบบจำลองลำดับชั้นแบบเบย์ (Bayesian Hierarchical Model)เบย์↔ compare
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- Elastic Netการเรียนรู้ของเครื่อง↔ compare
- Lasso Regressionการเรียนรู้ของเครื่อง↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare