bayesglmを使用する理由

私の全体的な質問は次のとおりです。なぜbayesglm他の分類方法の代わりに使用するのですか？

注意：

1. 私は予測だけに興味があります。
2. 私はまともな量のデータを持っています（〜100,000 obs）。

サンプルサイズは、通常のロジスティック回帰のパラメーターが正規分布（CLT）になるのに十分な大きさだと思います。事前情報を指定すると何が得られますか？私の直感は、それが小さなデータセットに対してのみ問題になるということですが、私には理論的または適用された証拠はありません。

エンジニアリングおよびサプライチェーンのリスク管理では、「エンジニアリングの知識」（たとえば、教育を受けた人が最も推測しやすい）が、最も優れたデータである可能性があります。たとえば、津波が発生してサプライチェーンを混乱させる可能性は、追加のデータなしで、主題の専門家が推定できます（事前分布を構築するためのより良い方法があります）。時間の経過とともに津波が発生し、その結果、より多くのデータが得られ、過去のデータ（エンジニアリングの知識）を事後（更新されたデータの新しいデータ）で更新できます。ある時点で、最初の事前分布が無関係になるほど多くのデータが存在し、だれが予測を行ったかに関係なく、尤度の等しい予測が得られます。

多くのデータがある場合、ベイジアンアプローチよりも「通常の」フリークエンティストアプローチの方が（通常）推奨されます（もちろん、他のものは、特に1つに固執して適切な方法を選択するのではなく、統計哲学を選択することに同意しないでしょう） ）。頻度論的アプローチがベイジアンと同様の/同一の結果をもたらすことは完全に可能であり、頻繁に発生することに注意してください。

とはいえ、メソッドの違いがコード行である場合、複数のメソッドを実装して結果を自分で比較してみませんか？