我对stan
和brms
都是新手,并且无法提取后验预测分布。让我们说我有一个简单的逻辑回归
fit = brm(y ~ x, family="bernoulli", data=df.training)
其中y
为二进制且x
为连续。对于测试数据(甚至是训练数据),我想我现在可以通过改变p
probs
的预测分布。
predict(fit, df.test, probs=seq(0, 1, 0.1))
然而,虽然此命令的输出给出了在[0,1]
范围内连续的估计值(这是有意义的),但置信区间值似乎是二进制的(这对我来说没有意义)。 。如何获得p
的整个后验预测分布?
答案 0 :(得分:1)
这个问题显然是很久以前了。但是我偶然发现了它,并认为它与我自己的问题产生了共鸣。
基于我在逻辑回归模型上的实验,我认为以下情况适用于默认输入:
posterior_linpred
给出了连续的线性比例; fitted
给出了介于0和1之间的连续概率标度; predict
给出了二进制[0,1]比例预测我手边没有Beta-Binomial模型(对我来说,这是过度分散的逻辑模型的一个很好的例子)来测试posterior_linpred
的结果,但是我有信心fitted
和predict
将在结果量表上。