Osvaldo Martin 的文章
模型平均
- 2024年8月24日
当面对多个模型时，我们有几种选择。其中一种是执行模型选择，PyMC 示例 模型比较 和 GLM：模型选择 就是例证。通常，最好也包括后验预测检查，以决定保留哪个模型。 放弃除一个模型之外的所有模型，相当于肯定在评估的模型中，一个是正确的（在某些标准下）概率为 1，其余都是不正确的。在大多数情况下，这将是一种夸大其词，忽略了我们模型中存在的不确定性。这有点类似于计算完整的后验，然后只保留一个点估计，例如后验均值；我们可能会对我们真正知道的过于自信。您还可以浏览 blog/tag/model-comparison 标签以查找相关文章。
贝叶斯因子和边际似然
- 2023年1月10日
“贝叶斯方式”比较模型是计算每个模型的边际似然 \(p(y \mid M_k)\)，即给定 \(M_k\) 模型的情况下，观测数据 \(y\) 的概率。这个量，边际似然，只是贝叶斯定理的归一化常数。如果我们写出贝叶斯定理并明确所有推断都依赖于模型，我们就可以看到这一点。
贝叶斯加性回归树：简介
- 2021年12月21日
贝叶斯加性回归树 (BART) 是一种非参数回归方法。如果我们有一些协变量 \(X\) 并且我们想用它们来建模 \(Y\)，则 BART 模型（省略先验）可以表示为