例程用于贝叶斯模型平均（BMA）

贝叶斯模型平均 提供用于贝叶斯模型平均（BMA）的例程。 BMA在模型空间（例如线性回归模型）中搜索有前途的模型，并计算该空间上的后验概率分布。 然后根据模型空间上的加权平均值估计系数。 运行BMA就像拟合回归模型一样简单。 估计将接近您通过拟合“真实的”嵌套模型所获得的估计，并且不需要该模型的知识。 目录 以下脚本与最终用户有关： linear_regression.py包含用于贝叶斯线性回归的例程。 linear_averaging.py包含线性BMA的例程。 sim.py演示了线性BMA的基本用法。 如果要使BMA适应其他模型空间，以下脚本很有用： core.py包含通用BMA的例程。 mcmc.py包含通用MCMC例程。 用法 我使用的特定贝叶斯回归模型期望2个超参数： g是惩罚模型大小的参数。 我建议将其设置为max（n_obs，n_dim ^ 2）。 p是您对