After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
贝叶斯估计为以 p 值为依据的建模技术提供了灵活的替代方案。在本课程中，您将学习如何使用贝叶斯方法和 rstanarm 包来估计线性回归模型。课程将介绍先验分布、后验预测模型检验，以及在贝叶斯框架下进行模型比较。您还将学习如何使用已估计的模型对新数据进行预测。
先修要求
课程大纲
课程大纲
1
贝叶斯线性模型入门
回顾使用 lm() 的频率学派回归，介绍使用 stan_glm() 的贝叶斯回归，并对两者的输出进行比较。
2
修改贝叶斯模型
学习如何修改贝叶斯模型，包括更改链的数量与长度、更改先验分布，以及添加预测变量。
3
评估模型拟合
本章将学习如何判断已估计模型是否适合数据，以及如何比较竞争模型。
4
展示与应用贝叶斯回归
本章将学习如何使用已估计的模型创建模型可视化，并对新数据进行预测。
R
使用 rstanarm 进行贝叶斯回归建模
课程完成
