การถัวเฉลี่ยแบบเบย์เซียนพลวัตของแบบจำลอง
การถัวเฉลี่ยแบบเบย์เซียนพลวัตของแบบจำลอง (Dynamic Bayesian Model Averaging หรือ DMA) เป็นการขยายแนวคิดการถัวเฉลี่ยแบบเบย์เซียนของแบบจำลองมาตรฐานไปสู่สถานการณ์ที่แบบจำลองพยากรณ์ที่ดีที่สุดอาจเปลี่ยนแปลงไปตามกาลเวลา วิธีนี้จะรักษาสมการการแจกแจงความน่าจะเป็นของชุดแบบจำลองคู่แข่ง และปรับปรุงสมการการแจกแจงนั้นอย่างต่อเนื่องเมื่อมีการสังเกตการณ์ใหม่เข้ามา ทำให้ค่าน้ำหนักของแบบจำลองสามารถเปลี่ยนแปลงได้ แทนที่จะคงที่ตลอดทั้งตัวอย่าง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Dynamic Bayesian Model Averaging. ScholarGate. https://scholargate.app/th/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.
- การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA)เบย์↔ compare
- การอนุมานแบบเบย์เชิงพลวัตเบย์↔ compare
- เครือข่ายเบย์เซียนพลวัตเบย์↔ compare
- การอนุมานแปรผันแบบพลวัตเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Sequential Monte Carloเบย์↔ compare