(學習這部分內容大約需要1.1小時)
摘要
在模型選擇中, 我們通常從一組候選模型中選擇一個"最優"的模型(基於某種模型評價准則, 比如AIC分數). 然后, 使用這個選定的"最優"模型進行預測. 與這種選擇單一最優模型不同的是, 貝葉斯模型平均給每個模型賦予權重, 並進行加權平均確定最終的預測值. 其中, 給某個模型賦予的權重是該模型的后驗概率.
預備知識
學習貝葉斯模型平均需要以下預備知識:
- 貝葉斯模型比較(Bayesian model comparison): 貝葉斯模型平均基於與貝葉斯模型比較相同的思想.
核心資源
(閱讀/觀看以下資源的其中一個)
免費
- Bayesian Model Selection and Model Averaging
位置: All sections except 6 and 9
[鏈接]
作者: Larry Wasserman
增補資源
(以下內容可根據您的情況自由選擇, 你可能發現它們很有用)
免費
-
Bayesian Model Averaging: A Tutorial
位置: Sections 1-3 提供了核心材料 sections 4-7 提供了示例和進一步的技術細節
[鏈接]作者: Jennifer A. Hoeting,David Madigan,Adrian E. Raftery,Chris T. Volinsky
相關知識
- 可逆跳躍MCMC(Reversible jump MCMC)是一類常被用於貝葉斯模型平均的采樣算法.