标签为 model averaging 的文章

模型平均

当面对多个模型时,我们有许多选择。其中之一是进行模型选择,如PyMC示例模型比较GLM: 模型选择所示,通常在决定保留哪个模型时,进行后验预测检查是一个好主意。丢弃所有模型只保留一个模型相当于断言,在评估的模型中,有一个模型是正确的(在某些标准下),概率为1,其余的都是错误的。在大多数情况下,这将是一种过度陈述,忽略了我们在模型中的不确定性。这有点类似于计算完整的后验分布,然后只保留一个点估计,如后验均值;我们可能会变得过于自信,认为自己真正了解的东西。您还可以浏览blog/tag/model-comparison标签以查找相关帖子。

阅读更多 ...


模型平均

当面对多个模型时,我们有许多选择。其中之一是进行模型选择,如PyMC示例模型比较GLM: 模型选择所示,通常在决定保留哪个模型时,进行后验预测检查是一个好主意。丢弃所有模型只保留一个模型相当于断言,在评估的模型中,有一个模型是正确的(在某些标准下),概率为1,其余的都是错误的。在大多数情况下,这将是一种过度陈述,忽略了我们在模型中的不确定性。这有点类似于计算完整的后验分布,然后只保留一个点估计,如后验均值;我们可能会变得过于自信,认为自己真正了解的东西。您还可以浏览blog/tag/model-comparison标签以查找相关帖子。

阅读更多...


模型平均

当面对多个模型时,我们有许多选择。其中之一是进行模型选择,如PyMC示例模型比较GLM: 模型选择所示,通常在决定保留哪个模型时,进行后验预测检查是一个好主意。丢弃所有模型只保留一个模型相当于断言,在评估的模型中,有一个模型是正确的(在某些标准下),概率为1,其余的都是错误的。在大多数情况下,这将是一种过度陈述,忽略了我们在模型中的不确定性。这有点类似于计算完整的后验分布,然后只保留一个点估计,如后验均值;我们可能会变得过于自信,认为自己真正了解的东西。您还可以浏览blog/tag/model-comparison标签以查找相关帖子。

阅读更多...


模型平均

当面对多个模型时,我们有许多选择。其中之一是进行模型选择,如PyMC示例模型比较GLM: 模型选择所示,通常在决定保留哪个模型时,进行后验预测检查是一个好主意。丢弃所有模型只保留一个模型相当于断言,在评估的模型中,有一个模型是正确的(在某些标准下),概率为1,其余的都是错误的。在大多数情况下,这将是一种过度陈述,忽略了我们在模型中的不确定性。这有点类似于计算完整的后验分布,然后只保留一个点估计,如后验均值;我们可能会变得过于自信,认为自己真正了解的东西。您还可以浏览blog/tag/model-comparison标签以查找相关帖子。

阅读更多...