MCMC- ভিত্তিক রিগ্রেশন মডেলগুলিতে অবশিষ্ট ডায়াগনস্টিকস


21

আমি সম্প্রতি এমসিএমসি অ্যালগরিদম ব্যবহার করে বায়েশিয়ান কাঠামোয় ফিটিং রিগ্রেশন মিশ্রিত মডেলগুলি শুরু করেছি (আসলে আর সি তে এমসিএমসিজিএমএম ফাংশন)।

আমি বিশ্বাস করি যে আমি কীভাবে প্রাক্কলন প্রক্রিয়া (ট্রেস, গিউকে প্লট, স্বতঃসংশোধন, উত্তর বিতরণ ...) রূপান্তরটি সনাক্ত করতে পারি তা বুঝতে পেরেছি।

বায়সিয়ান কাঠামোর মধ্যে যে জিনিসটি আমাকে আঘাত করে তার মধ্যে একটি হ'ল এই ডায়াগনস্টিকগুলি করার জন্য অনেক প্রচেষ্টা নিবেদিত মনে হয়েছে, যেখানে লাগানো মডেলের অবশিষ্টাংশগুলি যাচাইয়ের ক্ষেত্রে খুব কম করা হয়েছে বলে মনে হয়। উদাহরণস্বরূপ, MCMCglmm এ residual.mcmc () ফাংশন বিদ্যমান আছে তবে বাস্তবে এটি এখনও প্রয়োগ করা হয়নি (ie.returns: "MCMCglmm অবজেক্টের জন্য এখনও অবশিষ্টাংশগুলি প্রয়োগ করা হয়নি"; পূর্বাভাস.এমসিএমসি ()) এর জন্য একই গল্প। এটি অন্যান্য প্যাকেজগুলির থেকেও অভাবজনক বলে মনে হচ্ছে এবং আমি যে সাহিত্যের সন্ধান পেয়েছি তাতে সাধারণত খুব কম আলোচনা হয় (ডিআইসি বাদে যা বেশ ভারীভাবে আলোচিত হয়)।

কেউ কি আমাকে কিছু দরকারী রেফারেন্সগুলিতে নির্দেশ করতে পারে এবং আদর্শভাবে কোড কোডটি আমি খেলতে বা সংশোধন করতে পারি?

অনেক ধন্যবাদ.


দুর্দান্ত প্রশ্ন। আমি বাইয়েশিয়ান মডেল চেকিং সম্পর্কে কসমমা শালিজির সাথে অ্যান্ড্রু গেলম্যানের কাগজটি সত্যিই পছন্দ করি ।
ডেভিড জে হ্যারিস

উত্তর:


7

আমি মনে করি বাকী শব্দটি বয়েসিয়ান রিগ্রেশনের সাথে সামঞ্জস্যপূর্ণ নয়। মনে রাখবেন, ঘন ঘন সম্ভাবনাময় মডেলগুলিতে, এটি প্যারামিটারগুলি যা নির্দিষ্ট অনুমানযোগ্য পরিমাণ হিসাবে বিবেচিত হয় এবং ডেটা উত্পন্ন করার পদ্ধতিটিতে পর্যবেক্ষণ করা ডেটার সাথে যুক্ত কিছু এলোমেলো সম্ভাব্যতা মডেল রয়েছে। বায়েশিয়ানদের জন্য, সম্ভাব্যতা মডেলগুলির পরামিতিগুলি পরিবর্তনশীল হিসাবে বিবেচিত হয় এবং নির্দিষ্ট ডেটা those পরামিতিগুলি কী তা সম্পর্কে আমাদের বিশ্বাসকে আপডেট করে। অতএব, আপনি এর ভ্যারিয়েন্স গণক হয়েছে যদি পর্যবেক্ষিত বিয়োগ লাগানো একটি রিগ্রেশন মডেল মূল্যবোধ, পালনউপাদানটির 0 টি বৈকল্পিকতা থাকবে যেখানে সংযুক্ত মডেলের পরামিতিগুলির ক্ষেত্রে উত্তরীয় সম্ভাবনা ঘনত্বের কার্যকারিতা হিসাবে লাগানো উপাদানগুলি পৃথক হবে। এটি আপনি ঘন ঘনবাদী রিগ্রেশন মডেল থেকে প্রাপ্ত বিপরীত। আমি মনে করি যদি কেউ তাদের বায়েসিয়ান রিগ্রেশন মডেলটির সম্ভাব্য ধারণা অনুমান করতে আগ্রহী হন তবে প্যারামিটারের প্রাক্কলনের প্রাকৃতিক ঘনত্বের একটি সাধারণ কিউকিপ্লট (আমাদের এমসিএমসি স্যাম্পলিং থেকে অনুমান করা) বনাম একটি সাধারণ বিতরণ অবশিষ্টাংশ (বা পিয়ারসন অবশিষ্টাংশসমূহ) বিশ্লেষণের জন্য ডায়াগনস্টিক পাওয়ার অ্যানালাসযুক্ত থাকতে পারে লিনিয়ার লিঙ্ক ফাংশনের জন্য)।


1
এটি একটি ভাল উত্তর। এখনও এমন উত্তর থাকতে পারে যেগুলি পর্যবেক্ষণ-বিয়োগ-লাগানো অবশিষ্টাংশ থেকে গণনা করা দরকারী বায়েশিয়ান কনস্ট্রাক্ট দেয় তবে এটি অবশ্যই নিচে নামানো উচিত হয়নি।
এলে

3
এছাড়াও, এটি স্পষ্ট করে বলার অপেক্ষা রাখে যে বায়েশিয়ান সেটিং-এ আপনার সত্যিই "লাগানো" মান নেই। আপনি যে ইনপুটটিতে লক্ষ্য পরিবর্তকের প্রত্যাশিত মানটির সর্বাধিক একটি পোস্টেরিয়েরি অনুমান করতে, একটি প্রদত্ত পর্যবেক্ষণ করা ইনপুটটির জন্য পশ্চাততম গড় গণনা করতে পারেন। তবে এটি অনুমানের দিকে সবকিছু কমিয়ে দেবে, আপনি যদি বায়সিয়ান অনুমান করছেন তবে সাধারণত এটি পছন্দ হয় না।
এলে

2
@ এমএমএস এর মধ্যে যে কোনও একটি অর্থপূর্ণ অবশিষ্টাংশ। একজন বেইশিয়ান হওয়ায় এর অর্থ এই নয় যে অনুমানগুলি ডেটাতে প্রতিবিম্বিত হয় কিনা তা পরীক্ষা করে দেখা যায় না।
গ্লেন_বি -রিনস্টেট মনিকা

1
ঘন ঘন সাম্রাজ্যবাদী সেটিং-এ সঠিক সম্ভাব্যতা অনুমানের জন্য (স্থিতিশীলতা অনুমানের জায়গায়), "অবশিষ্টাংশগুলি", গবেষণার পরীক্ষার অনুলিপিগুলিতে শর্তসাপেক্ষে "লাগানো মান" (বা শর্তাধীন) থেকে স্বতন্ত্র থাকত। বেয়েস বিশ্বে ডেটা এলোমেলো নয়, তবে শর্তসাপেক্ষে কী থেকে স্বাধীন হতে পারে?
অ্যাডমো

1
E[Y|X]Xওয়াই
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.