标签为 non-parametric 的文章

使用BART进行分位数回归

通常在进行回归时，我们会为某个分布的条件均值建模。常见的情况包括为连续无界响应的正态分布建模，为计数数据的泊松分布建模等。

通常在进行回归时，我们会为某个分布的条件均值建模。常见的情况包括为连续无界响应的正态分布建模，为计数数据的泊松分布建模等。

通常在进行回归时，我们会为某个分布的条件均值建模。常见的情况包括为连续无界响应的正态分布建模，为计数数据的泊松分布建模等。

通常在进行回归时，我们会为某个分布的条件均值建模。常见的情况包括为连续无界响应的正态分布建模，为计数数据的泊松分布建模等。

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\(Y\)，一个BART模型（省略先验）可以表示为：

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\(Y\)，一个BART模型（省略先验）可以表示为：

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\(Y\)，一个BART模型（省略先验）可以表示为：

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\(Y\)，一个BART模型（省略先验）可以表示为：