最近我学习了贝叶斯线性回归模型，但我困惑的是何时应该使用线性回归，何时使用贝叶斯版本。这两者的表现如何？贝叶斯逻辑回归和逻辑回归是否相同？我读到一篇关于使用贝叶斯概率回归来预测广告点击率的论文，我只是想知道为什么要使用贝叶斯版本。
比较贝叶斯线性回归和普通线性回归
10
- FindBoat
1
1这不是一个真正的编程问题。尝试在http://stats.stackexchange.com上进行提问以获得更快的回复。 - mathematician1975
1个回答
15
在您的两个情况中，线性回归和逻辑回归，贝叶斯版本使用贝叶斯推断的统计分析，例如贝叶斯线性回归。
根据维基百科，
这是一种频率主义方法，并且假定有足够的测量结果来说出有意义的事情。在贝叶斯方法中，数据以先验概率分布的形式补充了额外的信息。关于参数的先前信念与数据的似然函数根据贝叶斯定理相结合，得到关于参数的后验信念。
贝叶斯分析的通常方式（添加贝叶斯风味）：
1.找出数据的似然函数。
2.选择所有未知参数的先验分布。
3.使用贝叶斯定理找到所有参数的后验分布。
为什么要使用贝叶斯版本？[1]
根据维基百科，
这是一种频率主义方法，并且假定有足够的测量结果来说出有意义的事情。在贝叶斯方法中，数据以先验概率分布的形式补充了额外的信息。关于参数的先前信念与数据的似然函数根据贝叶斯定理相结合，得到关于参数的后验信念。
贝叶斯分析的通常方式（添加贝叶斯风味）：
1.找出数据的似然函数。
2.选择所有未知参数的先验分布。
3.使用贝叶斯定理找到所有参数的后验分布。
为什么要使用贝叶斯版本？[1]
- 贝叶斯模型更加灵活，可以处理更加复杂的模型。
- 贝叶斯模型选择可能更优秀（BIC/AIC）。
- 贝叶斯分层模型更容易扩展到多个级别。
- 哲学上有不同（与频率主义分析相比）。
- 在小样本中，贝叶斯分析更准确（但这可能取决于先验知识）。
- 贝叶斯模型可以融合先验信息。
这里提供了一些关于贝叶斯分析的好的讲义幻灯片。
- greeness
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接