数据似然的共轭先验贝叶斯线性回归模型
的贝叶斯线性回归模型对象conjugateblm
表示回归系数与扰动方差的联合先验分布,即(β,σ2)是依赖的,正-逆-共轭模型.的条件先验分布β|σ2多元高斯是有均值的吗μ和方差σ2V.的先验分布σ2逆有形状吗一个和规模B.
数据似然为 在哪里ϕ(yt;xtβ,σ2)为高斯概率密度,求值于yt与的意思xtβ和方差σ2.指定的先验对似然是共轭的,由此产生的边际和条件后验分布在分析上是可处理的。有关后验分布的详细信息,请参见分析易于处理的后躯.
一般来说,当您创建贝叶斯线性回归模型对象时,它只指定线性回归模型的联合先验分布和特征。也就是说,模型对象是一个用于进一步使用的模板。具体来说,将数据纳入模型进行后验分布分析,将模型对象和数据传递给相应的对象目标函数.
创建一个贝叶斯线性回归模型对象(PriorMdl
= conjugateblm (NumPredictors
)PriorMdl
由…组成NumPredictors
预测器和截距,并设置NumPredictors
财产。的联合先验分布β,σ2)是相关的正-逆共轭模型。PriorMdl
是定义先验分布和维数的模板吗β.
你可以使用点符号重置所有模型属性,例如,PriorMdl。V=diag(Inf(3,1))
.对于属性重置,conjugateblm
对值进行最小的错误检查。最小化错误检查的优点是减少了马尔可夫链蒙特卡罗模拟的开销,从而提高了算法的执行效率。
的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。