我是两个新手 stan
和 brms
,并且无法提取后验预测分布。假设我有一个简单的逻辑回归
fit = brm(y ~ x, family="bernoulli", data=df.training)
哪里
y
是二进制和 x
连续。对于测试数据(甚至是训练数据),我想我现在可以掌握伯努利概率的预测分布 p
,通过更改 probs
在predict(fit, df.test, probs=seq(0, 1, 0.1))
但是,虽然此命令的输出为我提供了在
[0,1]
范围内连续的估计值(这是有道理的),置信区间值似乎是二元的(这对我来说没有意义)......我如何获得 p
的整个后验预测分布?
最佳答案
这个问题显然是很久以前的事了。但我偶然发现了它,并认为它与我自己的问题产生了共鸣。
根据我对逻辑回归模型的实验,我认为以下对于默认输入是正确的:
posterior_linpred
给出了连续的线性标度; fitted
给出了 0 到 1 之间的连续概率尺度; predict
给出了二进制 [0,1] 尺度预测 我手头没有一个 Beta-Binomial 模型(对我来说,这是一个很好的关于过度分散的逻辑例子)来测试
posterior_linpred
的结果。会,但我相信 fitted
和 predict
将在结果量表上。
关于r - 来自 brms 的后验预测分布(逻辑回归),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47020150/