Байєсівська логістична регресія
Байєсівська логістична регресія — це класифікаційна модель, яка застосовує байєсівський висновок до логістичної (сигмоїдної) функції правдоподібності для бінарних або мультиноміальних результатів. Розроблена в рамках слабко інформативних апріорних розподілів, формалізованих Gelman, Jakulin, Pittau та Su (2008), вона розміщує апріорний розподіл на коефіцієнтах і поєднує цей апріорний розподіл з правдоподібністю даних, щоб отримати повний апостеріорний розподіл для кожного параметра — надаючи калібровані ймовірності класів та достовірну невизначеність навіть у малих вибірках, умовах рідкісних подій або випадках повної сепарації, коли частотний метод максимальної правдоподібності дає збій.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Джерела
- Gelman, A., Jakulin, A., Pittau, M. G. & Su, Y.-S. (2008). A Weakly Informative Default Prior Distribution for Logistic and Other Regression Models. Annals of Applied Statistics, 2(4), 1360–1383. DOI: 10.1214/08-AOAS191 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Bayesian Logistic Regression. ScholarGate. https://scholargate.app/uk/bayesian/bayesian-logistic-regression
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.
- Байєсівська регресіяБаєсові методи↔ compare
- Логістична регресіяСтатистика досліджень↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →