เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองอนุกรมเวลาโครงสร้างแบบเบย์เซียน× | การถดถอยแบบเบย์ (Bayesian Regression)× | |
|---|---|---|
| สาขาวิชา | เบย์ | เบย์ |
| ตระกูล | Bayesian methods | Bayesian methods |
| ปีกำเนิด≠ | 2014 | — |
| ผู้ริเริ่ม≠ | Scott & Varian (2014); Brodersen et al. (2015) | — |
| ประเภท≠ | State-space model / Bayesian structural model | Bayesian linear model |
| แหล่งต้นตำรับ≠ | Scott, S. L. & Varian, H. R. (2014). Predicting the Present with Bayesian Structural Time Series. International Journal of Mathematical Modelling and Numerical Optimisation, 5(1/2), 4–23. DOI ↗ | Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955 |
| ชื่อเรียกอื่น≠ | BSTS, Bayesian Yapısal Zaman Serisi (BSTS), bayesian state-space model, causal impact model | bayesian linear regression, probabilistic regression, bayesian regresyon |
| ที่เกี่ยวข้อง≠ | 5 | 2 |
| สรุป≠ | Bayesian Structural Time Series (BSTS) is a state-space modelling framework, introduced by Scott and Varian (2014), that decomposes a time series into additive components — trend, seasonality, and regression — and estimates them jointly through Bayesian inference. It underpins Google's CausalImpact library and is a powerful tool for both forecasting and counterfactual causal analysis of interventions. | Bayesian regression is a probabilistic version of linear regression that treats the model parameters as uncertain quantities. Instead of returning a single best-fit estimate, it combines prior knowledge with the observed data to produce a full posterior probability distribution for each parameter, from which credible intervals and predictions are read off. |
| ScholarGateชุดข้อมูล ↗ |
|
|