Připomenutí frekventistické regrese pomocí funkce lm(), úvod do bayesovské regrese s funkcí stan_glm() a porovnání jejich výstupů.

Lineární regrese bez bayesovského přístupu

Prozkoumání dat

Trénování frekventistické lineární regrese

Bayesovská lineární regrese

Trénování bayesovské lineární regrese

Kritéria konvergence

Hodnocení konvergence modelu

Srovnání frekventistického a bayesovského přístupu

Rozdíl mezi frekventisty a bayesiány

Tvorba věrohodnostních intervalů

Úvod do bayesovských lineárních modelů

Naučíš se upravovat svůj bayesovský model – měnit počet a délku řetězců, pracovat s apriorními rozděleními a přidávat prediktory.

Co tvoří bayesovský model?

Úprava řetězců

Mám dost iterací?

Apriorní rozdělení

Určení apriorních rozdělení

Výpočet upravených měřítek

Neupravená apriorní rozdělení

Uživatelsky definované priory

Změna prior distribucí

Zadávání informativních priorů

Důsledky informativních apriorních rozdělení

Úprava procesu odhadování

Úprava nastavení odhadování

Úprava bayesovského modelu

V této kapitole zjistíš, jak ověřit, zda odhadnutý model odpovídá tvým datům, a jak porovnat konkurenční modely mezi sebou.

Koeficient determinace R²

Výpočet frekventistického R-squared

R-squared pro bayesovský model

Kontroly prediktivního modelu na základě posteriorního rozdělení

Rozdělení predikovaných skóre

Rozdělení pro jedno pozorování

Hodnocení modelu pomocí posterior predictive model checks

Posteriórní rozdělení R-squared

Testování pomocí posteriorních predikcí

Bayesovské porovnávání modelů

Výpočet LOO odhadu

Porovnání modelů

Hodnocení kvality modelu

V této kapitole se naučíš, jak odhadnutý model využít k vytváření vizualizací a k předpovědím pro nová data.

Vizualizace bayesovského modelu

Vizualizace nejistoty modelu

Předpovídání hodnot

Popularita pozorovaných písní

Popularita nových písní

Vizualizace predikcí

Formátování posteriorních predikcí

Vizualizace nových predikcí

Závěr

Prezentace a využití bayesovské regrese

Spotify dataset

Bayesovský přístup k odhadování nabízí flexibilní alternativu k modelovacím technikám, které se opírají o p-hodnoty. V tomto kurzu se naučíš odhadovat lineární regresní modely pomocí bayesovských metod a balíčku rstanarm. Seznámíš se s apriorními rozděleními, aposteriorní prediktivní kontrolou modelu a porovnáváním modelů v rámci bayesovského přístupu. Naučíš se také, jak odhadnutý model použít k předpovědím pro nová data.

Bayesian Modeling with RJAGS

Introduction to Data Visualization with ggplot2

Intermediate Regression in R

Naučte se využívat Bayesovské metody pro lepší odhady lineárních regresních modelů.

Bayesovská regresní analýza s balíčkem rstanarm

Naučte se využívat bayesovské metody odhadu pro lepší závěry o modelech lineární regrese.

Vědec strojového učení v R

Psychometrician, ATLAS, University of Kansas

Kontroly posteriorního prediktivního modelu

Použití posteriorních rozdělení

Posteriorní predikce

Porovnání rozdělení skóre

Porovnání jednotlivých skóre

Pojďme si procvičit

Hodnocení kvality modelu - Kontroly prediktivního modelu na základě posteriorního rozdělení

Kontroly prediktivního modelu na základě posteriorního rozdělení

Create Your Free Account