标记为 BART 的帖子
贝叶斯非参数因果推断
- 2024 年 1 月 24 日
很少有主张比因果关系的断言更强烈，也很少有主张比因果关系更具争议性。一个幼稚的世界模型——充满了脆弱的联系和不合逻辑的暗示——是阴谋论和愚蠢的特征。另一方面，对因果关系的精细而详细的知识，以明确的期望、合理的联系和引人注目的反事实为特征，将引导您顺利度过世界上喧嚣、蓬勃发展的混乱。
使用 BART 建模异方差性
- 2023 年 1 月 24 日
在本笔记本中，我们将展示如何使用 BART 对异方差性进行建模，如 pymc-bart 的论文 [Quiroga et al., 2022] 的第 4.1 节中所述。我们使用 R 包 datarium [Kassambara, 2019] 提供的 marketing 数据集。这个想法是将营销渠道对销售额的贡献建模为预算的函数。
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