エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ベイズ線形回帰の事前分布を色々比較してみた - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
ベイズ線形回帰の事前分布を色々比較してみた - Qiita
はじめに ベイズモデルは柔軟性が高く、伝統的な線形モデルや一般化線形モデルの他に、筆者がこの記事の... はじめに ベイズモデルは柔軟性が高く、伝統的な線形モデルや一般化線形モデルの他に、筆者がこの記事のように、 様々なモデル・分布を自由自在に組み合わせることによって、生データに隠された構造を可視化できる。 ただ、ベイズモデルを利用する際に、パラメータの事前分布を指定する必要があり、しかも事前分布のチョイス次第でモデルの挙動が大きく変わることがあるため、初心者にとっては少々難易度が高いと思われる。 本記事は単純な線形回帰モデルを事例に、事前分布を正規分布、ラプラス分布、ガンマラッソ(Taddy 2017)に変えることでパラメータ(係数)の挙動がどうなるかを実際に可視化して確認する。 モデル説明 ここではまずモデルの説明から入る。 一つ目は切片(β)に正規分布を設定するモデル: \sigma \sim Gamma(1,1) \\ \rho \sim Gamma(1, 1) \\ \beta \s