Байєсівське усереднення моделей
Байєсівське усереднення моделей (BMA), формалізоване як навчальний посібник Хоетінгом, Медіганом, Рафтері та Волінскі у 1999 році, вирішує проблему невизначеності моделі шляхом усереднення всіх правдоподібних специфікацій моделей, а не вибору однієї найкращої моделі. Кожна кандидатська модель отримує апостеріорну ймовірність, яка відображає, наскільки добре вона відповідає даним з урахуванням апріорної інформації, а прогнози або оцінки коефіцієнтів формуються як зважені середні по всьому простору моделей. Цей підхід зменшує зміщення та надмірну впевненість, що виникають, коли одна обрана модель розглядається як істинна.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Bayesian Model Averaging. ScholarGate. https://scholargate.app/uk/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.
- Байєсівська ієрархічна модельБаєсові методи↔ compare
- Байєсівська регресіяБаєсові методи↔ compare
- Elastic NetМашинне навчання↔ compare
- Lasso-регресіяМашинне навчання↔ 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 →