แบบจำลองเชิงเส้นทั่วไปแบบเบย์ (Bayesian Generalized Additive Model - Bayesian GAM)
แบบจำลองเชิงเส้นทั่วไปแบบเบย์ (Bayesian GAM) เป็นการขยายกรอบการทำงานของแบบจำลองเชิงเส้นทั่วไป (GAM) แบบความถี่ (frequentist) โดยการกำหนดการแจกแจงก่อน (prior distributions) ให้กับฟังก์ชันที่เรียบ (smooth functions) และพารามิเตอร์เพิ่มเติมของแบบจำลอง ซึ่งจะให้การแจกแจงภายหลัง (posterior distributions) ที่สมบูรณ์สำหรับผลกระทบที่เรียบแต่ละส่วน ทำให้สามารถวัดปริมาณความไม่แน่นอนได้อย่างมีหลักการ การเลือกความเรียบโดยอัตโนมัติผ่านไฮเปอร์ไพรเออร์ (hyperpriors) และการบูรณาการเข้ากับโครงสร้างแบบลำดับชั้น (hierarchical) หรือแบบผสม (mixed-effects) ได้อย่างราบรื่น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Wood, S. N. (2017). Generalized Additive Models: An Introduction with R (2nd ed.). CRC Press. ISBN: 9781498728331
- Bürkner, P.-C. (2017). brms: An R Package for Bayesian Multilevel Models Using Stan. Journal of Statistical Software, 80(1), 1–28. DOI: 10.18637/jss.v080.i01 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/th/statistics/bayesian-generalized-additive-model
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.
- แบบจำลองเชิงเส้นทั่วไปแบบเบย์ (Bayesian Generalized Linear Model)สถิติศาสตร์↔ compare
- แบบจำลองผลกระทบแบบผสมแบบเบย์ (Bayesian Mixed Effects Model)สถิติศาสตร์↔ compare
- การถดถอยเชิงเส้นพหุแบบเบย์ (Bayesian Multiple Linear Regression)สถิติศาสตร์↔ compare
- แบบจำลองเชิงบวกทั่วไป (GAM)การเรียนรู้ของเครื่อง↔ compare