Байєсівська узагальнена адитивна модель (Bayesian GAM)
Байєсівські узагальнені адитивні моделі розширюють частотний фреймворк GAM шляхом розміщення апріорних розподілів на гладких функціях та будь-яких додаткових параметрах моделі. Це дає повні апостеріорні розподіли для кожного гладкого ефекту, забезпечуючи принципову кількісну оцінку невизначеності, автоматичний вибір гладкості за допомогою гіперапріорних розподілів та безшовну інтеграцію з ієрархічними структурами або структурами зі змішаними ефектами.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/uk/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.
- Байєсівська узагальнена лінійна модельСтатистика↔ compare
- Байєсівська модель змішаних ефектівСтатистика↔ compare
- Байєсівська множинна лінійна регресіяСтатистика↔ compare
- Узагальнена адитивна модель (GAM)Машинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →