贝叶斯对数线性模型与g-prior逻辑回归模型的对应关系

@文章{Papathomas2014OnTC，title={关于贝叶斯对数线性模型与g-priors}逻辑回归模型的对应关系，作者={米歇尔·帕帕托马斯}，日志={TEST}，年份={2014}，体积＝{27}，页码={197-220}，网址={https://api.semanticscholar.org/CorpusID:56002663}}
考虑一组分类变量，其中至少有一个是二进制的。描述结果列联表中计数的对数线性模型意味着一个特定的逻辑回归模型，以二元变量作为结果。在贝叶斯框架内，g-prior和g-prior的混合通常被指定给广义线性模型的参数。我们证明了将g先验（或g先验的混合物）分配给某个对数线性模型的参数
Springer上的视图
[PDF]语义阅读器
3引文

3引文

对数线性回归模型与logistic回归模型的偏差、最大似然和区间估计的对应性

本文证明了logistic回归参数的极大似然估计（MLE）等于对应的对数线性模型参数的MLE，同时考虑了对应的logistic多元回归中不存在列联表因子，并且列联表中的一些单元格被折叠在一起的情况。

一种新的贝叶斯方法估计长记忆参数

结果表明，与R/S和DFA方法相比，贝叶斯方法的估计精度得到了显著提高，且波动性较小，根据本文的结果，首选贝叶斯模型的长记忆估计器。

网络时代传统文化在智能广告设计系统中的应用

将传统文化引入广告中更具吸引力，该系统具有很高的准确率和很小的误差，只有3.76%，可以有效地应用于实际场景。

29参考文献

偏差统计的近似贝叶斯模型选择

贝叶斯模型选择提出了两个主要挑战：规范所有模型的参数先验，以及结果的计算模型之间的贝叶斯因子。现在有一个大…

高斯线性模型中变量选择的功率期望后验先验

结果是，在实践中，由于PEP的单位信息结构，功率期望后验（power-expected-posterior，PEP）方法对训练样本的大小n*足够不敏感，因此可以取n*等于全数据样本大小n，并完全免除训练样本。

嵌套假设的参考贝叶斯检验及其与Schwarz准则的关系

摘要在存在干扰参数β的情况下，为了计算检验H0:ψ=ψ0的Bayes因子，必须选择零假设和替代假设下的先验值。在贝叶斯估计中…

当回归变量的数量随样本大小增长时，变量选择的g-prior混合

我们考虑了使用混合g-prior的线性回归中的变量选择问题。文献中提出了许多有效的混合物，特别是当…

探索类别变量之间的依赖性：在贝叶斯聚类中使用变量选择与带有交互项的对数线性建模相关的优点和局限性

线性模型中先前规范的兼容性

本文回顾了在子模型下推导先验的一些过程，即边缘化、条件作用和Kullback-Leibler投影，并与现有的标准方法进行了比较。

广义线性模型的超$g$先验

将经典Zellner g先验推广到广义线性模型，从而可以使用任何连续的真超先验f（g），从而产生一大类超g先验。

模型空间和参数空间先验分布的联合规范

我们考虑贝叶斯模型比较的先验分布规范，重点是回归型模型。我们提出了一个特定的先验分布联合规范…

广义线性模型变量选择中的自适应贝叶斯准则

对于广义线性模型中的变量选择问题，我们开发了各种自适应贝叶斯准则…

层次和图形对数线性模型的马尔可夫链蒙特卡罗模型确定

我们使用可逆跳跃马尔可夫链蒙特卡罗方法（Green，1995）开发了计算分层、图形或可分解对数线性模型的后验概率的策略…