為什麼使用bayesglm？

我的總體問題是：為什麼要使用bayesglm而不是其他分類方法？

筆記：

1. 我只對預測感興趣。
2. 我有大量的數據（~ 100,000 obs）。

我覺得樣本量足夠大，常規邏輯回歸的參數將呈正態分佈（CLT）。通過指定先驗我會得到什麼？我的直覺是它只對一個小數據集很重要，但我沒有任何理論或應用證據。

在工程以及供應鏈風險管理中，“工程知識”——例如受過教育的人的最佳猜測——可能是您擁有的最佳數據。例如，在沒有額外數據的情況下，海嘯發生和破壞供應鏈的可能性可以由該主題的專家估計（有更好的方法來構建先驗）。隨著時間的推移，海嘯發生了，因此，我們獲得了更多的數據，並且可以用後驗（針對新數據調整的先驗）更新我們的先驗（工程知識）。在某些時候，會有太多的數據導致初始先驗無關緊要，無論是誰做出的預測，你都會有相同的可能性預測。

我相信，如果你有這麼多數據，“傳統”頻率論方法（通常）比貝葉斯方法更可取（當然其他人會不同意，尤其是在統計哲學之間進行選擇而不是堅持一個並選擇合適的方法）。請注意，頻率方法完全有可能（並且經常發生）產生與貝葉斯方法相似/相同的結果。

也就是說，當方法的區別是一行代碼時，為什麼不實現多個方法並自己比較結果呢？

引用自：https://stats.stackexchange.com/questions/73602