贝叶斯线性回归模型与来自之前或后验分布的样本
该贝叶斯线性回归模型宾语empiricalblm
含有的先验分布样品β和σ2,MATLAB®用于描述前后分布。
数据可能性是 哪里ϕ(ÿŤ;XŤβ,σ2)的高斯概率密度评估在ÿŤ均值XŤβ和方差σ2。由于先验分布函数的形式是未知的,因此所得到的后验分布是不可分析处理的。因此,为了从后验分布估计或模拟,MATLAB实现了采样重要性重采样。
可以创建贝叶斯线性回归模型直接用经验事先bayeslm
或empiricalblm
。但是,对于经验先验,估计所述后验分布要求现有酷似后部。因此,经验模型更适合于更新后验分布使用蒙特卡罗采样(例如,semiconjugate和定制现有型号)给定的新的数据进行估计。
估计
对于semiconjugate,经验,或自定义之前的机型,估计
利用蒙特卡罗抽样估计后验分布。也就是说,估计
通过从后验分布中提取大量的样本来表征后验分布。估计
存储在BetaDraws
和Sigma2Draws
返回的贝叶斯线性回归模型对象的属性。因此,当您估计semiconjugateblm
,empiricalblm
,customblm
,lassoblm
,mixconjugateblm
,mixconjugateblm
模型对象,估计
返回一个empiricalblm
模型对象。
如果你想更新一个估计后验分布使用新的数据,你有从后验分布β和σ2,那么你就可以使用创建的实证模型empiricalblm
。
创建贝叶斯线性回归模型对象(PriorMdl
= empiricalblm (NumPredictors
”,BetaDraws
'BetaDraws'Sigma2Draws
”,Sigma2Draws)PriorMdl
) 由...组成的NumPredictors
预测和截距,和套NumPredictors
财产。的先验分布的随机样本β和σ2,BetaDraws
和Sigma2Draws
分别表征该先验分布。PriorMdl
是一个定义先验分布和维数的模板吗β。
该bayeslm
函数可以为贝叶斯线性回归创建任何支持的先验模型对金宝app象。