Байесовские модели линейной регрессии рассматривают коэффициенты регрессии и отклонение нарушения порядка как случайные переменные, а не как фиксированные, но неизвестные величины. Это предположение приводит к более гибкой модели и интуитивным выводам. Для получения дополнительной информации см. «Байесовская линейная регрессия».
Чтобы начать байесовский линейный регрессионный анализ, создайте стандартный объект модели, который лучше всего описывает ваши предыдущие допущения о совместном распределении коэффициентов регрессии и отклонения нарушения порядка. Затем, используя модель и данные, можно оценить характеристики апостериорных распределений, моделировать из апостериорных распределений или прогнозировать ответы, используя прогнозирующее апостериорное распределение.
Также можно выполнить выбор переменной предиктора путем работы с объектом модели для выбора переменной Байеса.
Байесовская линейная регрессия
Узнайте о байесовских анализах и о том, как байесовский взгляд на линейную регрессию отличается от классического представления.
Реализация байесовской линейной регрессии
Объедините стандартные байесовские предшествующие модели линейной регрессии и данные для оценки апостериорных функций распределения или для выполнения выбора байесовского предиктора. Оба рабочих процессов дают апостериорные модели, которые хорошо подходят для последующего анализа, такого как прогнозирование.
Апостериорная оценка и диагностика симуляции
Настройте выборку Monte Carlo цепи Маркова для адекватного смешивания и выполните предварительный анализ чувствительности распределения.
Задайте градиент для HMC Sampler
Создайте байесовскую линейную регрессионую модель для эффективной апостериорной выборки с помощью гамильтоновского сэмплера Монте-Карло.
Настройка Среза выборка для апостериорной оценки
Улучшите выборку Монте-Карло цепи Маркова для апостериорной оценки и вывода байесовской линейной регрессионой модели.
Сравнение устойчивых методов регрессии
Адресовать влиятельные выбросы с помощью регрессионых моделей с ошибками ARIMA, мешками регрессионых деревьев и байесовской линейной регрессией.
Выполните выбор переменной, используя регрессию Бейесова лассо.
Выбор переменной Байесовского стохастического поиска
Реализуйте выбор переменной стохастического поиска (SSVS), метод выбора байесовских переменных.
Замена удаленных синтаксисов оценки
estimate функция байесовских линейных регрессионых моделей conjugateblm, semiconjugateblm, diffuseblm, empiricalblm, и customblm возвращает только оценочную модель и сводную таблицу оценок.
