最近我学习了贝叶斯线性回归模型，但我感到困惑的是，在哪种情况下我们应该使用线性回归，何时使用贝叶斯版本 . 这两个表现怎么样？并且贝叶斯逻辑回归和逻辑回归是一样的吗？我读了一篇关于使用贝叶斯概率回归来预测广告点击率的论文，我只是想知道为什么要使用贝叶斯版本？
在您的两种情况下，线性回归和逻辑回归，贝叶斯版本使用贝叶斯推断的上下文中的统计分析，例如Bayesian linear regression .
每个维基百科，
这（普通线性回归）是一种常见的方法，它假设有足够的测量来说出有意义的东西 . 在贝叶斯方法中，数据以先验概率分布的形式补充有附加信息 . 根据贝叶斯定理，将关于参数的先验信念与数据的似然函数相结合，以产生关于参数的后验信念 .
找出数据的似然函数 .
选择所有未知参数的先验分布 .
使用贝叶斯定理来找出所有参数的后验分布 .
贝叶斯模型更灵活，处理更复杂的模型 .
贝叶斯模型选择可能更优越（BIC / AIC） .
贝叶斯分层模型更容易扩展到多个层次 .
哲学差异（与频率分析相比） .
贝叶斯分析在小样本中更准确（但可能取决于先验） .
贝叶斯模型可以包含先验信息
This主持了关于贝叶斯分析的一些好的演讲幻灯片 .
1 回答
在您的两种情况下，线性回归和逻辑回归，贝叶斯版本使用贝叶斯推断的上下文中的统计分析，例如Bayesian linear regression .
每个维基百科，
贝叶斯分析的常用方法（添加贝叶斯味道）：
找出数据的似然函数 .
选择所有未知参数的先验分布 .
使用贝叶斯定理来找出所有参数的后验分布 .
为什么选择贝叶斯版？ [1]
贝叶斯模型更灵活，处理更复杂的模型 .
贝叶斯模型选择可能更优越（BIC / AIC） .
贝叶斯分层模型更容易扩展到多个层次 .
哲学差异（与频率分析相比） .
贝叶斯分析在小样本中更准确（但可能取决于先验） .
贝叶斯模型可以包含先验信息
This主持了关于贝叶斯分析的一些好的演讲幻灯片 .