线性回归模型的贝叶斯预测响应GÿdF4y2Ba
回报GÿdF4y2BaYFGÿdF4y2Ba
=预测(GÿdF4y2BaMDLGÿdF4y2Ba
,GÿdF4y2BaXFGÿdF4y2Ba
)GÿdF4y2BanumPeriodsGÿdF4y2Ba
从预测的响应GÿdF4y2Ba贝叶斯线性回归模型GÿdF4y2BaMDLGÿdF4y2Ba
给出预测数据GÿdF4y2BaXFGÿdF4y2Ba
,一个矩阵GÿdF4y2BanumPeriodsGÿdF4y2Ba
行。GÿdF4y2Ba
要估计天气预报,GÿdF4y2Ba预测GÿdF4y2Ba
的均值GÿdF4y2BanumPeriodsGÿdF4y2Ba
维后验预测分布。GÿdF4y2Ba
如果GÿdF4y2BaMDLGÿdF4y2Ba
被联合先验模型(通过返回GÿdF4y2BabayeslmGÿdF4y2Ba
), 然后GÿdF4y2Ba预测GÿdF4y2Ba
只使用联合先验分布和创新分布而形成的预测分布。GÿdF4y2Ba
如果GÿdF4y2BaMDLGÿdF4y2Ba
是后模型(通过返回GÿdF4y2Ba估计GÿdF4y2Ba
), 然后GÿdF4y2Ba预测GÿdF4y2Ba
使用后验预测分布。GÿdF4y2Ba
南GÿdF4y2Ba
S IN中的数据表明缺失值,这GÿdF4y2Ba预测GÿdF4y2Ba
使用列表删除删除。GÿdF4y2Ba
使用后验预测分布的预测通过合并预测数据产生或更新GÿdF4y2BaYFGÿdF4y2Ba
=预测(GÿdF4y2BaMDLGÿdF4y2Ba
,GÿdF4y2BaXFGÿdF4y2Ba
,GÿdF4y2BaXGÿdF4y2Ba
,GÿdF4y2BaÿGÿdF4y2Ba
)GÿdF4y2BaXGÿdF4y2Ba
和相应的响应数据GÿdF4y2BaÿGÿdF4y2Ba
。GÿdF4y2Ba
如果GÿdF4y2BaMDLGÿdF4y2Ba
是一个联合先验模型,然后GÿdF4y2Ba预测GÿdF4y2Ba
产生由用约它从数据获取参数信息更新现有模型的后验预测分布。GÿdF4y2Ba
如果GÿdF4y2BaMDLGÿdF4y2Ba
是后模型,然后GÿdF4y2Ba预测GÿdF4y2Ba
用从其他数据中获得的参数信息更新后验。完整的数据似然是由附加的数据组成的GÿdF4y2BaXGÿdF4y2Ba
和GÿdF4y2BaÿGÿdF4y2Ba
以及创建的数据GÿdF4y2BaMDLGÿdF4y2Ba
。GÿdF4y2Ba
使用任何由一个或多个名称值对参数指定在先前语法输入参数的组合和其他选项的。例如,你可以指定一个值GÿdF4y2BaβGÿdF4y2Ba要么GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba从预测GÿdF4y2Ba有条件的GÿdF4y2Ba一个参数的预测分布,给定另一个参数的指定值。GÿdF4y2BaYFGÿdF4y2Ba
=预测(GÿdF4y2Ba___GÿdF4y2Ba,GÿdF4y2Ba名称,值GÿdF4y2Ba
)GÿdF4y2Ba
[GÿdF4y2Ba
也返回的协方差矩阵GÿdF4y2BaYFGÿdF4y2Ba
,GÿdF4y2BaYFCovGÿdF4y2Ba
] =预测(GÿdF4y2Ba___GÿdF4y2Ba)GÿdF4y2BanumPeriodsGÿdF4y2Ba
维后验预测分布。预测的标准差是对角线元素的平方根。GÿdF4y2Ba
考虑多元线性回归模型,预测美国的实际国内生产总值(GÿdF4y2BaGNPRGÿdF4y2Ba
使用工业生产指数的线性组合()GÿdF4y2BaIPIGÿdF4y2Ba
),总就业(GÿdF4y2BaËGÿdF4y2Ba
)和实际工资(GÿdF4y2BaWRGÿdF4y2Ba
)。GÿdF4y2Ba
对所有人GÿdF4y2Ba ,GÿdF4y2Ba 是具有0和方差的平均一系列独立的高斯干扰的GÿdF4y2Ba 。GÿdF4y2Ba
假定这些先验分布:GÿdF4y2Ba
。GÿdF4y2Ba 是的手段一个4×1向量,以及GÿdF4y2Ba 是缩放4乘4正定协方差矩阵。GÿdF4y2Ba
。GÿdF4y2Ba 和GÿdF4y2Ba 是一个逆伽马分布的形状和规模,分别。GÿdF4y2Ba
这些假设和数据似然性暗示的正逆伽马共轭模型。GÿdF4y2Ba
建立线性回归参数的正-反-共轭先验模型。指定预测器的数量GÿdF4y2BapGÿdF4y2Ba
变量名。GÿdF4y2Ba
P = 3;VarNames = [GÿdF4y2Ba“他们”GÿdF4y2Ba“E”GÿdF4y2Ba“福”GÿdF4y2Ba]。PriorMdl = bayeslm(P,GÿdF4y2Ba'ModelType'GÿdF4y2Ba,GÿdF4y2Ba“共轭”GÿdF4y2Ba,GÿdF4y2Ba“VarNames”GÿdF4y2Ba,VarNames);GÿdF4y2Ba
MDLGÿdF4y2Ba
是GÿdF4y2BaconjugateblmGÿdF4y2Ba
表示回归系数和干扰方差的先验分布贝叶斯线性回归模型对象。GÿdF4y2Ba
加载纳尔逊 - 普洛瑟数据集。创建预测和响应数据的变量。从估计抱出数据的最后10个周期,所以你可以用它们来预测实际国民生产总值。GÿdF4y2Ba
加载GÿdF4y2BaData_NelsonPlosserGÿdF4y2BaFHS = 10;GÿdF4y2Ba%预测地平线大小GÿdF4y2BaX = {数据表1:(结束 - FHS),PriorMdl.VarNames(2:结束)};Y = {数据表1:(结束 - FHS),GÿdF4y2Ba'GNPR'GÿdF4y2Ba};XF =数据表{(端 - FHS + 1):端,PriorMdl.VarNames(2:结束)};GÿdF4y2Ba今后%的预测数据GÿdF4y2BaYFT =数据表{(端 - FHS + 1):端,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba%真正的未来应对GÿdF4y2Ba
估计所述边缘后验分布。关闭评估显示。GÿdF4y2Ba
PosteriorMdl =估计(PriorMdl, X, y,GÿdF4y2Ba'显示'GÿdF4y2Ba,假);GÿdF4y2Ba
PosteriorMdlGÿdF4y2Ba
是GÿdF4y2BaconjugateblmGÿdF4y2Ba
包含的后验分布模型对象GÿdF4y2Ba
和GÿdF4y2Ba
。GÿdF4y2Ba
预测响应采用后验预测分布和未来预测数据GÿdF4y2BaXFGÿdF4y2Ba
。绘制响应的真实值和预测值。GÿdF4y2Ba
YF =预测(PosteriorMdl,XF);数字;图(日期,DataTable.GNPR);持有GÿdF4y2Ba上GÿdF4y2Ba情节(日期((端 - FHS + 1):结束),YF)H = GCA;P =补丁([时间(结束 - FHS + 1)时间(结束)时间(结束)时间(结束 - FHS + 1)],GÿdF4y2Ba...GÿdF4y2Bah.YLim([1,1,2,2]),[0.8 0.8 0.8]);uistack(P,GÿdF4y2Ba'底部'GÿdF4y2Ba);传说(GÿdF4y2Ba“预测期”GÿdF4y2Ba,GÿdF4y2Ba“真GNPR”GÿdF4y2Ba,GÿdF4y2Ba“预测GNPR”GÿdF4y2Ba,GÿdF4y2Ba'位置'GÿdF4y2Ba,GÿdF4y2Ba'NW'GÿdF4y2Ba)标题(GÿdF4y2Ba“真正的国民生产总值:一九〇九年至1970年”GÿdF4y2Ba);ylabel(GÿdF4y2Ba'rGNP'GÿdF4y2Ba);xlabel(GÿdF4y2Ba'年'GÿdF4y2Ba);持有GÿdF4y2Ba从GÿdF4y2Ba
YFGÿdF4y2Ba
是对应于预测未来数据实际GNP的未来值的10×1向量。GÿdF4y2Ba
估计预测均方根误差(RMSE)。GÿdF4y2Ba
frmse = SQRT(均值((YF - 。YFT)^ 2))GÿdF4y2Ba
frmse = 25.5397GÿdF4y2Ba
预测RMSE是预测准确度的相对度量。具体来说,您可以使用不同的假设估算几种模式。最低的预测RMSE的模型是被比较的那些中表现最好的模型。GÿdF4y2Ba
考虑回归模型GÿdF4y2Ba预测响应使用后验预测分布GÿdF4y2Ba。GÿdF4y2Ba
建立线性回归参数的正-反-半聚先验模型。指定预测器的数量GÿdF4y2BapGÿdF4y2Ba
以及回归系数的名称。GÿdF4y2Ba
P = 3;PriorMdl = bayeslm(P,GÿdF4y2Ba'ModelType'GÿdF4y2Ba,GÿdF4y2Ba'semiconjugate'GÿdF4y2Ba,GÿdF4y2Ba“VarNames”GÿdF4y2Ba[GÿdF4y2Ba“他们”GÿdF4y2Ba“E”GÿdF4y2Ba“福”GÿdF4y2Ba]);GÿdF4y2Ba
加载纳尔逊 - 普洛瑟数据集。创建响应和预测序列变量。GÿdF4y2Ba
加载GÿdF4y2BaData_NelsonPlosserGÿdF4y2BaX = {数据表:,PriorMdl.VarNames(2:结束)};Y = {数据表:,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba
从评估中拿出最后10个时期的数据,这样你就可以用它们来预测实际的GNP。关闭评估显示。GÿdF4y2Ba
FHS = 10;GÿdF4y2Ba%预测地平线大小GÿdF4y2BaX = {数据表1:(结束 - FHS),PriorMdl.VarNames(2:结束)};Y = {数据表1:(结束 - FHS),GÿdF4y2Ba'GNPR'GÿdF4y2Ba};XF =数据表{(端 - FHS + 1):端,PriorMdl.VarNames(2:结束)};GÿdF4y2Ba今后%的预测数据GÿdF4y2BaYFT =数据表{(端 - FHS + 1):端,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba%真正的未来应对GÿdF4y2Ba
预测响应采用后验预测分布和未来预测数据GÿdF4y2BaXFGÿdF4y2Ba
。指定样品中观测GÿdF4y2BaXGÿdF4y2Ba
和GÿdF4y2BaÿGÿdF4y2Ba
(观测从哪个MATLAB®构成后)。GÿdF4y2Ba
YF =预测(PriorMdl,XF,X,Y)GÿdF4y2Ba
YF =GÿdF4y2Ba10×1GÿdF4y2Ba491.5404 518.1725 539.0625 566.7594 597.7005 633.4666 644.7270 672.7937 693.5321 678.2268GÿdF4y2Ba
考虑回归模型GÿdF4y2Ba预测响应使用后验预测分布GÿdF4y2Ba。GÿdF4y2Ba
假定这些先验分布GÿdF4y2Ba = 0,...,3:GÿdF4y2Ba
,其中GÿdF4y2Ba 和GÿdF4y2Ba 是独立的标准正态随机变量。因此,系数呈高斯混合分布。假设所有系数都是先验的条件独立的,但它们依赖于扰动方差。GÿdF4y2Ba
。GÿdF4y2Ba 和GÿdF4y2Ba 是一个逆伽马分布的形状和规模,分别。GÿdF4y2Ba
它表示具有离散均匀分布随机变量模型 - 包裹体状态变量。GÿdF4y2Ba
随机搜索变量选择(SSVS):GÿdF4y2Ba
具有共轭之前的数据似然创建贝叶斯回归模型的SSVs。使用默认设置。GÿdF4y2Ba
从估计抱出数据的最后10个周期。GÿdF4y2Ba
估计所述边缘后验分布。GÿdF4y2Ba
P = 3;PriorMdl = bayeslm(P,GÿdF4y2Ba'ModelType'GÿdF4y2Ba,GÿdF4y2Ba'mixconjugate'GÿdF4y2Ba,GÿdF4y2Ba“VarNames”GÿdF4y2Ba[GÿdF4y2Ba“他们”GÿdF4y2Ba“E”GÿdF4y2Ba“福”GÿdF4y2Ba]);加载GÿdF4y2BaData_NelsonPlosserGÿdF4y2BaFHS = 10;GÿdF4y2Ba%预测地平线大小GÿdF4y2BaX = {数据表1:(结束 - FHS),PriorMdl.VarNames(2:结束)};Y = {数据表1:(结束 - FHS),GÿdF4y2Ba'GNPR'GÿdF4y2Ba};XF =数据表{(端 - FHS + 1):端,PriorMdl.VarNames(2:结束)};GÿdF4y2Ba今后%的预测数据GÿdF4y2BaYFT =数据表{(端 - FHS + 1):端,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba%真正的未来应对GÿdF4y2BaRNG(1);GÿdF4y2Ba%用于重现GÿdF4y2BaPosteriorMdl =估计(PriorMdl, X, y,GÿdF4y2Ba'显示'GÿdF4y2Ba,假);GÿdF4y2Ba
使用后的预测分布和未来预测的数据预测的响应GÿdF4y2BaXFGÿdF4y2Ba
。绘制响应的真实值和预测值。GÿdF4y2Ba
YF =预测(PosteriorMdl,XF);数字;图(日期,DataTable.GNPR);持有GÿdF4y2Ba上GÿdF4y2Ba情节(日期((端 - FHS + 1):结束),YF)H = GCA;马力=补丁([时间(结束 - FHS + 1)时间(结束)时间(结束)时间(结束 - FHS + 1)],GÿdF4y2Ba...GÿdF4y2Bah.YLim([1,1,2,2]),[0.8 0.8 0.8]);uistack(惠普、GÿdF4y2Ba'底部'GÿdF4y2Ba);传说(GÿdF4y2Ba“预测期”GÿdF4y2Ba,GÿdF4y2Ba“真GNPR”GÿdF4y2Ba,GÿdF4y2Ba“预测GNPR”GÿdF4y2Ba,GÿdF4y2Ba'位置'GÿdF4y2Ba,GÿdF4y2Ba'NW'GÿdF4y2Ba)标题(GÿdF4y2Ba“真正的国民生产总值:一九〇九年至1970年”GÿdF4y2Ba);ylabel(GÿdF4y2Ba'rGNP'GÿdF4y2Ba);xlabel(GÿdF4y2Ba'年'GÿdF4y2Ba);持有GÿdF4y2Ba从GÿdF4y2Ba
YFGÿdF4y2Ba
是对应于预测未来数据实际GNP的未来值的10×1向量。GÿdF4y2Ba
估计预测均方根误差(RMSE)。GÿdF4y2Ba
frmse = SQRT(均值((YF - 。YFT)^ 2))GÿdF4y2Ba
frmse = 18.8470GÿdF4y2Ba
预测RMSE是预测准确度的相对度量。具体来说,您可以使用不同的假设估算几种模式。最低的预测RMSE的模型是被比较的那些中表现最好的模型。GÿdF4y2Ba
当您使用的SSVs执行贝叶斯回归,最好的做法是调整超参数。这样做的一个方法是估算预测RMSE在超参数值的网格,并选择价值最小化的预测RMSE。GÿdF4y2Ba
考虑回归模型GÿdF4y2Ba预测响应使用后验预测分布GÿdF4y2Ba。GÿdF4y2Ba
建立线性回归参数的正-反-半聚先验模型。指定预测器的数量GÿdF4y2BapGÿdF4y2Ba
以及回归系数的名称。GÿdF4y2Ba
P = 3;PriorMdl = bayeslm(P,GÿdF4y2Ba'ModelType'GÿdF4y2Ba,GÿdF4y2Ba'semiconjugate'GÿdF4y2Ba,GÿdF4y2Ba“VarNames”GÿdF4y2Ba[GÿdF4y2Ba“他们”GÿdF4y2Ba“E”GÿdF4y2Ba“福”GÿdF4y2Ba]);GÿdF4y2Ba
加载纳尔逊 - 普洛瑟数据集。创建响应和预测序列变量。GÿdF4y2Ba
加载GÿdF4y2BaData_NelsonPlosserGÿdF4y2BaX = {数据表:,PriorMdl.VarNames(2:结束)};Y = {数据表:,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba
从评估中拿出最后10个时期的数据,这样你就可以用它们来预测实际的GNP。关闭评估显示。GÿdF4y2Ba
FHS = 10;GÿdF4y2Ba%预测地平线大小GÿdF4y2BaX = {数据表1:(结束 - FHS),PriorMdl.VarNames(2:结束)};Y = {数据表1:(结束 - FHS),GÿdF4y2Ba'GNPR'GÿdF4y2Ba};XF =数据表{(端 - FHS + 1):端,PriorMdl.VarNames(2:结束)};GÿdF4y2Ba今后%的预测数据GÿdF4y2BaYFT =数据表{(端 - FHS + 1):端,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba%真正的未来应对GÿdF4y2Ba
通过测试给出的条件后验预测分布预测的响应GÿdF4y2Ba
并利用未来的预测数据GÿdF4y2BaXFGÿdF4y2Ba
。指定样品中观测GÿdF4y2BaXGÿdF4y2Ba
和GÿdF4y2BaÿGÿdF4y2Ba
(观测从哪个MATLAB®构成后)。绘制响应的真实值和预测值。GÿdF4y2Ba
YF =预测(PriorMdl,XF,X,Y,GÿdF4y2Ba“西格玛-2”GÿdF4y2Ba,2);数字;图(日期,DataTable.GNPR);持有GÿdF4y2Ba上GÿdF4y2Ba情节(日期((端 - FHS + 1):结束),YF)H = GCA;马力=补丁([时间(结束 - FHS + 1)时间(结束)时间(结束)时间(结束 - FHS + 1)],GÿdF4y2Ba...GÿdF4y2Bah.YLim([1,1,2,2]),[0.8 0.8 0.8])GÿdF4y2Ba
带属性的补丁:FaceColor: [0.8000 0.8000 0.8000] FaceAlpha: 1 EdgeColor: [0 00] LineStyle: '-' Faces: [1 2 3 4] Vertices: [4x2 double]显示所有属性GÿdF4y2Ba
uistack(惠普、GÿdF4y2Ba'底部'GÿdF4y2Ba);传说(GÿdF4y2Ba“预测期”GÿdF4y2Ba,GÿdF4y2Ba“真GNPR”GÿdF4y2Ba,GÿdF4y2Ba“预测GNPR”GÿdF4y2Ba,GÿdF4y2Ba'位置'GÿdF4y2Ba,GÿdF4y2Ba'NW'GÿdF4y2Ba)标题(GÿdF4y2Ba“真正的国民生产总值:一九〇九年至1970年”GÿdF4y2Ba);ylabel(GÿdF4y2Ba'rGNP'GÿdF4y2Ba);xlabel(GÿdF4y2Ba'年'GÿdF4y2Ba);持有GÿdF4y2Ba从GÿdF4y2Ba
考虑回归模型GÿdF4y2Ba预测响应使用后验预测分布GÿdF4y2Ba。GÿdF4y2Ba
建立线性回归参数的正-反-半聚先验模型。指定预测器的数量GÿdF4y2BapGÿdF4y2Ba
以及回归系数的名称。GÿdF4y2Ba
P = 3;PriorMdl = bayeslm(P,GÿdF4y2Ba'ModelType'GÿdF4y2Ba,GÿdF4y2Ba'semiconjugate'GÿdF4y2Ba,GÿdF4y2Ba“VarNames”GÿdF4y2Ba[GÿdF4y2Ba“他们”GÿdF4y2Ba“E”GÿdF4y2Ba“福”GÿdF4y2Ba]);GÿdF4y2Ba
加载纳尔逊 - 普洛瑟数据集。创建响应和预测序列变量。GÿdF4y2Ba
加载GÿdF4y2BaData_NelsonPlosserGÿdF4y2BaX = {数据表:,PriorMdl.VarNames(2:结束)};Y = {数据表:,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba
从评估中拿出最后10个时期的数据,这样你就可以用它们来预测实际的GNP。关闭评估显示。GÿdF4y2Ba
FHS = 10;GÿdF4y2Ba%预测地平线大小GÿdF4y2BaX = {数据表1:(结束 - FHS),PriorMdl.VarNames(2:结束)};Y = {数据表1:(结束 - FHS),GÿdF4y2Ba'GNPR'GÿdF4y2Ba};XF =数据表{(端 - FHS + 1):端,PriorMdl.VarNames(2:结束)};GÿdF4y2Ba今后%的预测数据GÿdF4y2BaYFT =数据表{(端 - FHS + 1):端,GÿdF4y2Ba'GNPR'GÿdF4y2Ba};GÿdF4y2Ba%真正的未来应对GÿdF4y2Ba
预测响应和使用后的预测分布和未来预测数据的协方差矩阵GÿdF4y2BaXFGÿdF4y2Ba
。指定样品中观测GÿdF4y2BaXGÿdF4y2Ba
和GÿdF4y2BaÿGÿdF4y2Ba
(观测从哪个MATLAB®构成后)。GÿdF4y2Ba
[yF, YFCov] =预测(PriorMdl XF, X, y);GÿdF4y2Ba
因为预测的后验分布是不能解析,一个合理的近似,以一组95%的可信区间是GÿdF4y2Ba
对所有人GÿdF4y2Ba 在预测期内。使用此公式的天气预报估计95%的可信区间。GÿdF4y2Ba
N =总和(全部(〜isnan([X Y]“)));CIL = YF - NORMINV(0.975)* SQRT(DIAG(YFCov));CIU = YF + NORMINV(0.975)* SQRT(DIAG(YFCov));GÿdF4y2Ba
图中的数据,预报和预测区间。GÿdF4y2Ba
数字;情节(日期(端30:结束),DataTable.GNPR(端30:端));持有GÿdF4y2Ba上GÿdF4y2BaH = GCA;情节(日期((端 - FHS + 1):结束),YF)情节(日期((端 - FHS + 1):结束),[CIL CIU]GÿdF4y2Ba'K--'GÿdF4y2Ba) hp = patch([日期(结束- fhs + 1)日期(结束)日期(结束)日期(结束)日期(结束- fhs + 1)],GÿdF4y2Ba...GÿdF4y2Bah.YLim([1,1,2,2]),[0.8 0.8 0.8]);uistack(惠普、GÿdF4y2Ba'底部'GÿdF4y2Ba);传说(GÿdF4y2Ba“预测地平线”GÿdF4y2Ba,GÿdF4y2Ba“真GNPR”GÿdF4y2Ba,GÿdF4y2Ba“预测GNPR”GÿdF4y2Ba,GÿdF4y2Ba...GÿdF4y2Ba“置信区间”GÿdF4y2Ba,GÿdF4y2Ba'位置'GÿdF4y2Ba,GÿdF4y2Ba'NW'GÿdF4y2Ba)标题(GÿdF4y2Ba“真正的国民生产总值:一九〇九年至1970年”GÿdF4y2Ba);ylabel(GÿdF4y2Ba'rGNP'GÿdF4y2Ba);xlabel(GÿdF4y2Ba'年'GÿdF4y2Ba);持有GÿdF4y2Ba从GÿdF4y2Ba
MDLGÿdF4y2Ba
-GÿdF4y2Ba标准贝叶斯线性回归模型或模型预测变量选择GÿdF4y2BaconjugateblmGÿdF4y2Ba
模型对象GÿdF4y2Ba|GÿdF4y2BasemiconjugateblmGÿdF4y2Ba
模型对象GÿdF4y2Ba|GÿdF4y2BadiffuseblmGÿdF4y2Ba
模型对象GÿdF4y2Ba|GÿdF4y2BamixconjugateblmGÿdF4y2Ba
模型对象GÿdF4y2Ba|GÿdF4y2BalassoblmGÿdF4y2Ba
模型对象GÿdF4y2Ba标准贝叶斯线性回归模型或模型预测变量的选择,指定为在该表中的模型对象。GÿdF4y2Ba
模型对象GÿdF4y2Ba | 描述GÿdF4y2Ba |
---|---|
conjugateblmGÿdF4y2Ba |
返回的相依的、正-反-共轭模型GÿdF4y2BabayeslmGÿdF4y2Ba 要么GÿdF4y2Ba估计GÿdF4y2Ba |
semiconjugateblmGÿdF4y2Ba |
独立,正常反伽玛semiconjugate模型通过返回GÿdF4y2BabayeslmGÿdF4y2Ba |
diffuseblmGÿdF4y2Ba |
扩散先验模型由归国GÿdF4y2BabayeslmGÿdF4y2Ba |
empiricalblmGÿdF4y2Ba |
先验模型,其特征在于从先验分布的样品,通过返回GÿdF4y2BabayeslmGÿdF4y2Ba 要么GÿdF4y2Ba估计GÿdF4y2Ba |
customblmGÿdF4y2Ba |
该声明由归国之前分布函数GÿdF4y2BabayeslmGÿdF4y2Ba |
mixconjugateblmGÿdF4y2Ba |
相关的,用于SSVS预测变量选择的gaussi -mix -inverse-gamma共轭模型,由GÿdF4y2BabayeslmGÿdF4y2Ba |
mixsemiconjugateblmGÿdF4y2Ba |
独立,为SS VS移至预测变量选择高斯混合物逆伽马semiconjugate模型,通过返回GÿdF4y2BabayeslmGÿdF4y2Ba |
lassoblmGÿdF4y2Ba |
贝叶斯套索回归模型通过返回GÿdF4y2BabayeslmGÿdF4y2Ba |
通常情况下,模型对象通过返回GÿdF4y2Ba估计GÿdF4y2Ba
表示边缘后验分布。当您通过使用估算后GÿdF4y2Ba估计GÿdF4y2Ba
如果您指定的条件后验的估计,然后GÿdF4y2Ba估计GÿdF4y2Ba
返回先前的模式。GÿdF4y2Ba
XFGÿdF4y2Ba
-GÿdF4y2Ba预测视距预测数据GÿdF4y2Ba预报层预测数据,指定为aGÿdF4y2BanumPeriodsGÿdF4y2Ba
-通过-GÿdF4y2BaPriorMdl.NumPredictorsGÿdF4y2Ba
数字矩阵。GÿdF4y2BanumPeriodsGÿdF4y2Ba
确定预测范围的长度。的列GÿdF4y2BaXFGÿdF4y2Ba
对应于任何其它预测数据集的列,即,GÿdF4y2BaXGÿdF4y2Ba
或使用的数据,以在所述后验分布GÿdF4y2BaMDLGÿdF4y2Ba
。GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
XGÿdF4y2Ba
-GÿdF4y2Ba预测数据GÿdF4y2Ba对于多元线性回归模型的预测数据,指定为GÿdF4y2BanumObservationsGÿdF4y2Ba
-通过-GÿdF4y2BaPriorMdl.NumPredictorsGÿdF4y2Ba
数字矩阵。GÿdF4y2BanumObservationsGÿdF4y2Ba
是观测值的数量和必须等于的长度GÿdF4y2BaÿGÿdF4y2Ba
。GÿdF4y2Ba
如果GÿdF4y2BaMDLGÿdF4y2Ba
是后验分布,则列GÿdF4y2BaXGÿdF4y2Ba
必须对应于用于估计后预测数据的列。GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
ÿGÿdF4y2Ba
-GÿdF4y2Ba响应数据GÿdF4y2Ba对于多元线性回归模型的响应数据,指定为与数字向量GÿdF4y2BanumObservationsGÿdF4y2Ba
元素。GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
指定可选的逗号分隔的对GÿdF4y2Ba名称,值GÿdF4y2Ba
参数。GÿdF4y2Ba名称GÿdF4y2Ba
参数名和GÿdF4y2Ba值GÿdF4y2Ba
是对应的值。GÿdF4y2Ba名称GÿdF4y2Ba
必须出现在引号内。可以以任意顺序指定多个名称和值对参数GÿdF4y2Ba名1,值1,...,NameN,值NGÿdF4y2Ba
。GÿdF4y2Ba
“Sigma2”, 2GÿdF4y2Ba
从条件预测分布指定预测给定指定干扰方差的GÿdF4y2Ba2GÿdF4y2Ba
。GÿdF4y2Ba
“测试版”GÿdF4y2Ba
-GÿdF4y2Ba回归系数的值从条件预测分布给出回归系数预测GÿdF4y2Ba[]GÿdF4y2Ba
)GÿdF4y2Ba(默认)|GÿdF4y2Ba数字列向量GÿdF4y2Ba用于从给定的回归系数的条件预测分布预测的回归系数的值,指定为逗号分隔的一对组成的GÿdF4y2Ba“测试版”GÿdF4y2Ba
和 (GÿdF4y2BaMdl.InterceptGÿdF4y2Ba
+GÿdF4y2BaMdl.NumPredictorsGÿdF4y2Ba
)1数值向量。当使用一后验分布,GÿdF4y2Ba预测GÿdF4y2Ba
从预测GÿdF4y2Ba
,其中GÿdF4y2BaÿGÿdF4y2Ba
是GÿdF4y2BaÿGÿdF4y2Ba
,GÿdF4y2BaXGÿdF4y2Ba
是GÿdF4y2BaXGÿdF4y2Ba
和GÿdF4y2BaBeta版GÿdF4y2Ba
是的价值GÿdF4y2Ba“测试版”GÿdF4y2Ba
。如果GÿdF4y2BaMdl.InterceptGÿdF4y2Ba
是GÿdF4y2Ba真正GÿdF4y2Ba
, 然后GÿdF4y2Ba测试版(1)GÿdF4y2Ba
对应于模型截距。所有其他值都对应于组成的列的预测变量GÿdF4y2BaXGÿdF4y2Ba
。GÿdF4y2Ba
您不能指定GÿdF4y2BaBeta版GÿdF4y2Ba
和GÿdF4y2BaSigma2GÿdF4y2Ba
同时。GÿdF4y2Ba
默认,GÿdF4y2Ba预测GÿdF4y2Ba
不从给定的条件预测分布预测GÿdF4y2BaβGÿdF4y2Ba。GÿdF4y2Ba
例:GÿdF4y2Ba“贝塔”,1:3GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
“西格玛-2”GÿdF4y2Ba
-GÿdF4y2Ba从有条件的预测分布给出干扰方差干扰方差预测值GÿdF4y2Ba[]GÿdF4y2Ba
)GÿdF4y2Ba(默认)|GÿdF4y2Ba正数标GÿdF4y2Ba从给定的干扰方差条件预测分布的扰动方差的预测值,指定为逗号分隔的一对组成的GÿdF4y2Ba“西格玛-2”GÿdF4y2Ba
和一个正数的标量。当使用一后验分布,GÿdF4y2Ba预测GÿdF4y2Ba
从平GÿdF4y2Ba
,其中GÿdF4y2BaÿGÿdF4y2Ba
是GÿdF4y2BaÿGÿdF4y2Ba
,GÿdF4y2BaXGÿdF4y2Ba
是GÿdF4y2BaXGÿdF4y2Ba
和GÿdF4y2BaSigma2GÿdF4y2Ba
是的价值GÿdF4y2Ba“西格玛-2”GÿdF4y2Ba
。GÿdF4y2Ba
您不能指定GÿdF4y2BaSigma2GÿdF4y2Ba
和GÿdF4y2BaBeta版GÿdF4y2Ba
同时。GÿdF4y2Ba
默认,GÿdF4y2Ba预测GÿdF4y2Ba
不从的有条件的预测后得出GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba。GÿdF4y2Ba
例:GÿdF4y2Ba“Sigma2”, 1GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
'NumDraws'GÿdF4y2Ba
-GÿdF4y2Ba蒙特卡洛模拟调整样本大小GÿdF4y2Ba1E5GÿdF4y2Ba
(默认)|GÿdF4y2Ba正整数GÿdF4y2Ba蒙特卡洛模拟调整样本大小,指定为逗号分隔的一对组成的GÿdF4y2Ba'NumDraws'GÿdF4y2Ba
和一个正整数。GÿdF4y2Ba预测GÿdF4y2Ba
实际上吸引GÿdF4y2Ba模拟运行GÿdF4y2Ba
-GÿdF4y2BaNumDraws *GÿdF4y2Ba
瘦GÿdF4y2Ba
样本。因此,GÿdF4y2Ba预测GÿdF4y2Ba
立足断估计GÿdF4y2BaNumDrawsGÿdF4y2Ba
样本。有关如何详细信息GÿdF4y2Ba预测GÿdF4y2Ba
降低了全蒙特卡洛样品,看GÿdF4y2Ba算法GÿdF4y2Ba。GÿdF4y2Ba
如果GÿdF4y2BaMDLGÿdF4y2Ba
是GÿdF4y2BasemiconjugateblmGÿdF4y2Ba
建模和您指定GÿdF4y2BaBeta版GÿdF4y2Ba
要么GÿdF4y2BaSigma2GÿdF4y2Ba
,然后MATLABGÿdF4y2Ba®GÿdF4y2Ba忽略GÿdF4y2BaNumDrawsGÿdF4y2Ba
。GÿdF4y2Ba
例:GÿdF4y2Ba'NumDraws',1E7GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
“燃尽”GÿdF4y2Ba
-GÿdF4y2Ba数提请remove从蒙特卡洛样本的开始GÿdF4y2Ba5000GÿdF4y2Ba
(默认)|GÿdF4y2Ba负的标量GÿdF4y2Ba数绘制以从蒙特卡洛样品的开头删除,以减少瞬态效应,指定为逗号分隔的一对组成的GÿdF4y2Ba“燃尽”GÿdF4y2Ba
和一个非负标量。有关如何详细信息GÿdF4y2Ba预测GÿdF4y2Ba
降低了全蒙特卡洛样品,看GÿdF4y2Ba算法GÿdF4y2Ba。GÿdF4y2Ba
为了帮助您指定适当的老化期大小:GÿdF4y2Ba
通过指定确定瞬态行为的程度与样品中GÿdF4y2Ba'燃尽的,0GÿdF4y2Ba
。GÿdF4y2Ba
模拟几千观察使用GÿdF4y2Ba预测GÿdF4y2Ba
。GÿdF4y2Ba
画迹图。GÿdF4y2Ba
例:GÿdF4y2Ba'燃尽的,0GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
'瘦'GÿdF4y2Ba
-GÿdF4y2Ba蒙特卡洛调整样本大小乘数GÿdF4y2Ba1GÿdF4y2Ba
(默认)|GÿdF4y2Ba正整数GÿdF4y2Ba蒙特卡洛调整样本大小乘法器,指定为逗号分隔的一对组成的GÿdF4y2Ba'瘦'GÿdF4y2Ba
和一个正整数。GÿdF4y2Ba
实际的蒙特卡罗样本量GÿdF4y2Ba模拟运行GÿdF4y2Ba
+GÿdF4y2BaNumDrawsGÿdF4y2Ba
*瘦GÿdF4y2Ba
。在丢弃的老化,GÿdF4y2Ba预测GÿdF4y2Ba
每丢弃GÿdF4y2Ba瘦GÿdF4y2Ba
-GÿdF4y2Ba1GÿdF4y2Ba
绘制,然后保留下一个绘制。有关如何详细信息GÿdF4y2Ba预测GÿdF4y2Ba
降低了全蒙特卡洛样品,看GÿdF4y2Ba算法GÿdF4y2Ba。GÿdF4y2Ba
以减少蒙特卡罗样本中潜在的大串行相关性,或减少存储在其中的绘制的内存消耗GÿdF4y2BaMDLGÿdF4y2Ba
,指定一个较大的值GÿdF4y2Ba瘦GÿdF4y2Ba
。GÿdF4y2Ba
例:GÿdF4y2Ba'薄',5GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
'BetaStart'GÿdF4y2Ba
-GÿdF4y2Ba开始回归系数的值MCMC样本GÿdF4y2Ba始用于该马尔可夫链蒙特卡洛(MCMC)样品的回归系数的值,指定为逗号分隔的一对组成的GÿdF4y2Ba'BetaStart'GÿdF4y2Ba
和数值列向量,其具有(GÿdF4y2BaPriorMdl.InterceptGÿdF4y2Ba
+GÿdF4y2BaPriorMdl.NumPredictorsGÿdF4y2Ba
)元素。默认,GÿdF4y2BaBetaStartGÿdF4y2Ba
是普通最小二乘(OLS)估计。GÿdF4y2Ba
一个好的做法是将运行GÿdF4y2Ba预测GÿdF4y2Ba
多次使用不同的参数初始值。验证每次运行的解决方案收敛到类似金宝搏官方网站的值。GÿdF4y2Ba
例:GÿdF4y2Ba'BetaStart',[1;2;3]GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
'Sigma2Start'GÿdF4y2Ba
-GÿdF4y2Ba开始干扰方差值MCMC样本GÿdF4y2Ba开始干扰方差为MCMC样本的值,指定为逗号分隔的一对组成的GÿdF4y2Ba'Sigma2Start'GÿdF4y2Ba
和一个正数的标量。默认,GÿdF4y2BaSigma2StartGÿdF4y2Ba
是OLS剩余均方误差。GÿdF4y2Ba
一个好的做法是将运行GÿdF4y2Ba预测GÿdF4y2Ba
多次使用不同的参数初始值。验证每次运行的解决方案收敛到类似金宝搏官方网站的值。GÿdF4y2Ba
例:GÿdF4y2Ba'Sigma2Start',4GÿdF4y2Ba
数据类型:GÿdF4y2Ba双GÿdF4y2Ba
“Reparameterize”GÿdF4y2Ba
-GÿdF4y2Ba的重新参数GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba为log(GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba)GÿdF4y2Ba假GÿdF4y2Ba
(默认)|GÿdF4y2Ba真正GÿdF4y2Ba
的重新参数GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba为log(GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba)后估计和模拟,指定为逗号分隔的一对组成的期间GÿdF4y2Ba“Reparameterize”GÿdF4y2Ba
和表中的一个值。GÿdF4y2Ba
值GÿdF4y2Ba | 描述GÿdF4y2Ba |
---|---|
假GÿdF4y2Ba |
预测GÿdF4y2Ba 不重新参数GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba。GÿdF4y2Ba |
真正GÿdF4y2Ba |
预测GÿdF4y2Ba reparameterizesGÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba为log(GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba)。GÿdF4y2Ba预测GÿdF4y2Ba 将结果转换回原始比例,并且不更改的函数形式GÿdF4y2BaPriorMdl.LogPDFGÿdF4y2Ba 。GÿdF4y2Ba |
如果你的后估计或模拟过程中遇到的数字不稳定性GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba,然后指定GÿdF4y2Ba“重新参数化”,真正的GÿdF4y2Ba
。GÿdF4y2Ba
例:GÿdF4y2Ba“重新参数化”,真正的GÿdF4y2Ba
数据类型:GÿdF4y2Ba合乎逻辑GÿdF4y2Ba
“取样”GÿdF4y2Ba
-GÿdF4y2BaMCMC采样GÿdF4y2Ba'切片'GÿdF4y2Ba
(默认)|GÿdF4y2Ba'都会'GÿdF4y2Ba
|GÿdF4y2Ba'HMC'GÿdF4y2Ba
MCMC采样器,指定为逗号分隔的一对组成的GÿdF4y2Ba“取样”GÿdF4y2Ba
和表中的一个值。GÿdF4y2Ba
值GÿdF4y2Ba | 描述GÿdF4y2Ba |
---|---|
'切片'GÿdF4y2Ba |
切片取样GÿdF4y2Ba |
'都会'GÿdF4y2Ba |
随机游走都市采样GÿdF4y2Ba |
'HMC'GÿdF4y2Ba |
哈密顿蒙特卡洛(HMC)采样GÿdF4y2Ba |
为了提高MCMC质量平局,调整采样。GÿdF4y2Ba
在调用GÿdF4y2Ba预测GÿdF4y2Ba
,通过使用来指定调优参数及其值GÿdF4y2BasampleroptionsGÿdF4y2Ba
。例如,指定切片采样器的宽度GÿdF4y2Ba宽度GÿdF4y2Ba
, 采用:GÿdF4y2Ba
选项= sampleroptions(GÿdF4y2Ba“取样”GÿdF4y2Ba,GÿdF4y2Ba“切片”GÿdF4y2Ba,GÿdF4y2Ba'宽度'GÿdF4y2Ba、宽度);GÿdF4y2Ba
指定包含所返回的优化参数规范的对象GÿdF4y2BasampleroptionsGÿdF4y2Ba
通过使用GÿdF4y2Ba“选项”GÿdF4y2Ba
名称 - 值对的参数。例如,要在调整参数规格GÿdF4y2Ba选项GÿdF4y2Ba
,指定:GÿdF4y2Ba
“选项”,选择GÿdF4y2Ba
如果指定了HMC取样,那么最好的做法是为某些变量提供梯度,至少。GÿdF4y2Ba预测GÿdF4y2Ba
求助于任何缺失的偏导数的数值计算(GÿdF4y2Ba南GÿdF4y2Ba
值)在梯度矢量。GÿdF4y2Ba
例:GÿdF4y2Ba'采样', “HMC”GÿdF4y2Ba
数据类型:GÿdF4y2Ba串GÿdF4y2Ba
“选项”GÿdF4y2Ba
-GÿdF4y2Ba采样选项GÿdF4y2Ba[]GÿdF4y2Ba
(默认)|GÿdF4y2Ba结构阵列GÿdF4y2Ba采样器的选择,指定为逗号分隔的一对组成的GÿdF4y2Ba“选项”GÿdF4y2Ba
和结构数组返回由GÿdF4y2BasampleroptionsGÿdF4y2Ba
。使用GÿdF4y2Ba“选项”GÿdF4y2Ba
指定MCMC采样器和调谐参数值。GÿdF4y2Ba
例:GÿdF4y2Ba'选项',sampleroptions( '采样', “HMC”)GÿdF4y2Ba
数据类型:GÿdF4y2Ba结构体GÿdF4y2Ba
'宽度'GÿdF4y2Ba
-GÿdF4y2Ba典型的采样间隔宽度GÿdF4y2Ba围绕在用于切片采样器的边缘分布的电流值的典型取样间隔的宽度,被指定为逗号分隔的一对组成的GÿdF4y2Ba'宽度'GÿdF4y2Ba
和正的数值标量或一个(GÿdF4y2BaPriorMdl.InterceptGÿdF4y2Ba
+GÿdF4y2BaPriorMdl.NumPredictorsGÿdF4y2Ba
+GÿdF4y2Ba1GÿdF4y2Ba
)正值×1数值向量。第一元件对应于模型截距,如果一个模型中的存在。下一个GÿdF4y2BaPriorMdl.NumPredictorsGÿdF4y2Ba
元素对应于预测数据列所排序的预测变量的系数。最后一个元素对应于模型方差。GÿdF4y2Ba
如果GÿdF4y2Ba宽度GÿdF4y2Ba
是一个标量,然后GÿdF4y2Ba预测GÿdF4y2Ba
适用GÿdF4y2Ba宽度GÿdF4y2Ba
所有GÿdF4y2BaPriorMdl.NumPredictorsGÿdF4y2Ba
+GÿdF4y2BaPriorMdl.InterceptGÿdF4y2Ba
+GÿdF4y2Ba1GÿdF4y2Ba
边缘分布。GÿdF4y2Ba
如果GÿdF4y2Ba宽度GÿdF4y2Ba
是数值向量,则GÿdF4y2Ba预测GÿdF4y2Ba
第一元件适用于截距(如果存在的话)时,下一GÿdF4y2BaPriorMdl.NumPredictorsGÿdF4y2Ba
元件,以回归系数对应于预测变量GÿdF4y2BaXGÿdF4y2Ba
和最后一个元素的扰动变化。GÿdF4y2Ba
如果样品大小(GÿdF4y2Ba尺寸(X,1)GÿdF4y2Ba
)小于100,则GÿdF4y2Ba宽度GÿdF4y2Ba
是GÿdF4y2Ba10GÿdF4y2Ba
默认。GÿdF4y2Ba
如果样本量至少为100,则GÿdF4y2Ba预测GÿdF4y2Ba
套GÿdF4y2Ba宽度GÿdF4y2Ba
为默认后验标准差向量,假设为扩散先验模型(GÿdF4y2BadiffuseblmGÿdF4y2Ba
)。GÿdF4y2Ba
切片采样器的典型宽度不影响MCMC样品的收敛性。它会影响所需的功能评价的数量,也就是算法的效率。如果宽度太小,则该算法可以实现功能的评价的数量过多,以确定适当的采样宽度。如果宽度过大,则算法可能需要的宽度减少到合适的大小,这就需要功能评估。GÿdF4y2Ba
预测GÿdF4y2Ba
发送GÿdF4y2Ba宽度GÿdF4y2Ba
到GÿdF4y2BaslicesampleGÿdF4y2Ba
功能。有关更多细节,请参见GÿdF4y2BaslicesampleGÿdF4y2Ba
。GÿdF4y2Ba
为了获得最大的灵活性,请指定切片采样器的宽度GÿdF4y2Ba宽度GÿdF4y2Ba
通过使用GÿdF4y2Ba“选项”GÿdF4y2Ba
名称 - 值对的参数。例如:GÿdF4y2Ba
“选项”GÿdF4y2Ba,sampleroptions(GÿdF4y2Ba“取样”GÿdF4y2Ba,GÿdF4y2Ba“切片”GÿdF4y2Ba,GÿdF4y2Ba'宽度'GÿdF4y2Ba,宽度)GÿdF4y2Ba
例:GÿdF4y2Ba'宽度',[100个*也是(3,1); 10]GÿdF4y2Ba
YFGÿdF4y2Ba
- 预测的响应GÿdF4y2Ba预测响应(预测分布的平均值),返回为aGÿdF4y2BanumPeriodsGÿdF4y2Ba
×1数值向量。行对应于的行GÿdF4y2BaXFGÿdF4y2Ba
。GÿdF4y2Ba
YFCovGÿdF4y2Ba
- 预测分布的协方差矩阵GÿdF4y2Ba预测分布的协方差矩阵,返回为GÿdF4y2BanumPeriodsGÿdF4y2Ba
-通过-GÿdF4y2BanumPeriodsGÿdF4y2Ba
数值,对称,正定矩阵。行和列对应于的行GÿdF4y2BaYFGÿdF4y2Ba
。GÿdF4y2Ba
要获得预测响应的标准差向量,输入GÿdF4y2BaSQRT(DIAG(YFCov))GÿdF4y2Ba
。GÿdF4y2Ba
如果GÿdF4y2BaMDLGÿdF4y2Ba
是一个GÿdF4y2BaempiricalblmGÿdF4y2Ba
模型对象,那么你可以不指定GÿdF4y2BaBeta版GÿdF4y2Ba
要么GÿdF4y2BaSigma2GÿdF4y2Ba
。通过使用经验先验分布不能从有条件的预测分布预测。GÿdF4y2Ba
一个GÿdF4y2Ba贝叶斯线性回归模型GÿdF4y2Ba治疗参数GÿdF4y2BaβGÿdF4y2Ba和GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba在多元线性回归(MLR)模型GÿdF4y2BaÿGÿdF4y2BaŤGÿdF4y2Ba=GÿdF4y2BaXGÿdF4y2BaŤGÿdF4y2BaβGÿdF4y2Ba+GÿdF4y2BaεGÿdF4y2BaŤGÿdF4y2Ba为随机变量。GÿdF4y2Ba
对于倍GÿdF4y2BaŤGÿdF4y2Ba= 1,...,GÿdF4y2BaŤGÿdF4y2Ba:GÿdF4y2Ba
ÿGÿdF4y2BaŤGÿdF4y2Ba是所观察到的响应。GÿdF4y2Ba
XGÿdF4y2BaŤGÿdF4y2Ba是1副(GÿdF4y2BapGÿdF4y2Ba+ 1)的观测值的行向量GÿdF4y2BapGÿdF4y2Ba预测。为了适应模型截距,GÿdF4y2BaXGÿdF4y2Ba1GÿdF4y2BaŤGÿdF4y2Ba= 1GÿdF4y2BaŤGÿdF4y2Ba。GÿdF4y2Ba
βGÿdF4y2Ba是(GÿdF4y2BapGÿdF4y2Ba的各列所对应的回归系数的列向量GÿdF4y2BaXGÿdF4y2BaŤGÿdF4y2Ba。GÿdF4y2Ba
εGÿdF4y2BaŤGÿdF4y2Ba是零和冠状病毒平均随机干扰(GÿdF4y2BaεGÿdF4y2Ba)=GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba一世GÿdF4y2BaŤGÿdF4y2Ba×GÿdF4y2BaŤGÿdF4y2Ba,而GÿdF4y2BaεGÿdF4y2Ba是GÿdF4y2BaŤGÿdF4y2Ba×1包含所有的干扰向量。这些假设意味着数据可能是GÿdF4y2Ba
φGÿdF4y2Ba(GÿdF4y2BaÿGÿdF4y2BaŤGÿdF4y2Ba;GÿdF4y2BaXGÿdF4y2BaŤGÿdF4y2BaβGÿdF4y2Ba,GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba)是具有均值的高斯概率密度GÿdF4y2BaXGÿdF4y2BaŤGÿdF4y2BaβGÿdF4y2Ba和方差GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba评估在GÿdF4y2BaÿGÿdF4y2BaŤGÿdF4y2Ba;GÿdF4y2Ba。GÿdF4y2Ba
在考虑中的数据,并处GÿdF4y2Ba联合先验分布GÿdF4y2Ba假设上(GÿdF4y2BaβGÿdF4y2Ba,GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba)。在贝叶斯分析中,可以使用关于从数据的似然所获得的参数的信息更新所述参数的分布。其结果是GÿdF4y2Ba联合后验分布GÿdF4y2Ba的(GÿdF4y2BaβGÿdF4y2Ba,GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba) 或者GÿdF4y2Ba有条件的后验分布GÿdF4y2Ba的参数。GÿdF4y2Ba
蒙特卡罗模拟的影响而变动。如果GÿdF4y2Ba预测GÿdF4y2Ba
使用蒙特卡罗模拟,然后估计和推断可能有所不同,当你调用GÿdF4y2Ba预测GÿdF4y2Ba
看似在同等条件下多次。要重现的估计结果,通过使用设定的随机数种子GÿdF4y2BaRNGGÿdF4y2Ba
致电前GÿdF4y2Ba预测GÿdF4y2Ba
。GÿdF4y2Ba
如果GÿdF4y2Ba预测GÿdF4y2Ba
在使用自定义先验模型估计后验分布时发出错误,然后尝试使用自定义先验模型调整初始参数值GÿdF4y2BaBetaStartGÿdF4y2Ba
要么GÿdF4y2BaSigma2StartGÿdF4y2Ba
,或尝试调整宣告之前的日志功能,然后重建模型。该错误可能表示先验分布的日志GÿdF4y2Ba-InfGÿdF4y2Ba
在指定的初始值。GÿdF4y2Ba
从分析顽固性模型的条件后验预测分布,除了经验模型预测的响应,通过您的先验模型对象和估计样本数据来GÿdF4y2Ba预测GÿdF4y2Ba
。然后,指定GÿdF4y2BaBeta版GÿdF4y2Ba
名称 - 值对参数的预测从的条件后验GÿdF4y2BaσGÿdF4y2Ba2GÿdF4y2Ba,或指定GÿdF4y2BaSigma2GÿdF4y2Ba
名称 - 值对参数的预测从的条件后验GÿdF4y2BaβGÿdF4y2Ba。GÿdF4y2Ba
每当GÿdF4y2Ba预测GÿdF4y2Ba
当必须估计的后验分布(例如,GÿdF4y2BaMDLGÿdF4y2Ba
代表先验分布和您提供GÿdF4y2BaXGÿdF4y2Ba
和GÿdF4y2BaÿGÿdF4y2Ba
)和后部是易处理的分析,GÿdF4y2Ba预测GÿdF4y2Ba
对闭型解求贝叶斯估计量。金宝搏官方网站否则,GÿdF4y2Ba预测GÿdF4y2Ba
采用蒙特卡罗模拟,利用后验预测分布进行预测。有关更多细节,请参见GÿdF4y2Ba验后估计与推理GÿdF4y2Ba。GÿdF4y2Ba
这个数字说明了如何GÿdF4y2Ba预测GÿdF4y2Ba
降低了使用的值的蒙特卡洛样品GÿdF4y2BaNumDrawsGÿdF4y2Ba
,GÿdF4y2Ba瘦GÿdF4y2Ba
和GÿdF4y2Ba模拟运行GÿdF4y2Ba
。矩形表示连续从分配绘制。GÿdF4y2Ba预测GÿdF4y2Ba
除去从蒙特卡洛样品的白色矩形。剩余的GÿdF4y2BaNumDrawsGÿdF4y2Ba
黑色矩形构成蒙特卡洛样品。GÿdF4y2Ba
conjugateblmGÿdF4y2Ba
|GÿdF4y2BacustomblmGÿdF4y2Ba
|GÿdF4y2BadiffuseblmGÿdF4y2Ba
|GÿdF4y2BaempiricalblmGÿdF4y2Ba
|GÿdF4y2BalassoblmGÿdF4y2Ba
|GÿdF4y2BamixconjugateblmGÿdF4y2Ba
|GÿdF4y2BamixsemiconjugateblmGÿdF4y2Ba
|GÿdF4y2BasemiconjugateblmGÿdF4y2Ba
估计GÿdF4y2Ba
|GÿdF4y2BasampleroptionsGÿdF4y2Ba
你点击了一个链接,对应于这个MATLAB命令:GÿdF4y2Ba
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。金宝appGÿdF4y2Ba
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:GÿdF4y2Ba。GÿdF4y2Ba
选择GÿdF4y2Ba网站GÿdF4y2Ba你也可以从以下列表中选择一个网站:GÿdF4y2Ba
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。GÿdF4y2Ba