大数据部落

原文链接：http://tecdat.cn/?p=25453原文出处：拓端数据部落公众号现在有了对贝叶斯方法的概念理解，我们将实际研究使用它的回归模型。为了简单起见，我们从回归的标准线性模型开始。然后添加对采样分布或先验的更改。我们将通过 R 和相关的 R 包 rstan 使用编程语言 Stan。示例：线性回归模型在下文中，我们将设置一些初始数据，并使用标准 lm 函数运行模型比较。设置首先，我们需要创建我们将在此处使用的数据以及本文档中的大多数其他示例。..

原文链接：http://tecdat.cn/?p=22956原文出处：拓端数据部落公众号贝叶斯网络（BN）是一种基于有向无环图的概率模型，它描述了一组变量及其相互之间的条件依赖性。它是一个图形模型，我们可以很容易地检查变量的条件依赖性和它们在图中的方向。在这篇文章中，我将简要地学习如何用R来使用贝叶斯网络。本教程旨在介绍贝叶斯网络学习和推理的基础知识，使用真实世界的数据来探索图形建模的典型数据分析工作流程。关键点将包括：预处理数据; 学习贝叶斯网络的结构和参数。 使用网..

原文链接：http://tecdat.cn/?p=22702摘要贝叶斯回归分位数在最近的文献中受到广泛关注，本文实现了贝叶斯系数估计和回归分位数（RQ）中的变量选择，带有lasso和自适应lasso惩罚的贝叶斯。还包括总结结果、绘制路径图、后验直方图、自相关图和绘制分位数图的进一步建模功能。简介回归分位数（RQ）由（Koenker和Gilbert，1978）提出，将感兴趣的结果的条件分位数作为预测因子的函数来建模。自引入以来，分位数回归一直是理论界非常关注的话题，也在许多研究领域得到了.

如果您可以写出模型的似然函数，则 Metropolis-Hastings算法可以负责其余部分（即MCMC ）。我写了r代码来简化对任意模型的后验分布的估计。具体如下：

Stan是一种用于指定统计模型的概率编程语言。Stan通过马尔可夫链蒙特卡罗方法（例如No-U-Turn采样器，一种汉密尔顿蒙特卡洛采样的自适应形式）为连续变量模型提供了完整的贝叶斯推断。罚分的最大似然估计值是使用优化方法（例如有限内存Broyden-Fletcher-Goldfarb-Shanno算法）计算的。可以通过R使用rstan包来调用Stan，也可以通过Python使用pystan包。这两个接口都支持基于采样和基于优化的推断，并带有诊断和后验分析。在本次演讲中，它简要展示了Stan的主要特....

MCMC是从复杂概率模型中采样的通用技术。蒙特卡洛马尔可夫链Metropolis-Hastings算法