Spike-and-Slab-Regressionsmodell
term_id: spike_and_slab_regression
Category: basic_concepts
Definition
Die Spike-and-Slab-Regressionsmodellierung ist eine bayessche statistische Technik, die für die Merkmalsauswahl und die Modellierung von Sparsity (Dünnbesetztheit) eingesetzt wird. Sie verwendet eine Mischverteilungs-Prior, die aus zwei Komponenten besteht: einem ‘Spike’ (typischerweise eine scharfe Verteilung um Null) und einem ‘Slab’ (eine breitere Verteilung für nicht-null Werte).
Summary
Eine bayessche Methode zur Merkmalsauswahl, die eine Mischverteilung verwendet, um zwischen Koeffizienten mit dem Wert Null und solchen ungleich Null zu unterscheiden.
Key Concepts
- Bayessche Inferenz
- Modellierung von Sparsity
- Mischverteilungen als Prior
- Merkmalsauswahl
Use Cases
- Analyse hochdimensionaler genomischer Daten
- Identifizierung von Risikofaktoren im Finanzwesen
- Merkmalsauswahl bei prädiktiven Modellen