Я использую функцию bic.glm () в пакете BMA для определения множественной логистической модели двоичного ответа.Я новичок в BMA, и в прошлом, с логистической регрессией, я выбрал одну модель, а затем использовал функцию train () из пакета caret для выполнения перекрестной проверки в k-кратном размере.
Мое понимание BMA состоит в том, что весь смысл состоит в том, чтобы делать прогнозы на основе взвешенных усредненных оценок коэффициентов модели.Если я просто выберу модель с наибольшей апостериорной вероятностью и выполню CV-кратное CV, кажется, что она проигнорирует неопределенность модели.Однако функция train () пакета caret, похоже, не может принимать объект bic.glm в качестве аргумента.
Как я могу использовать оценки взвешенных усредненных коэффициентов из BMA для выполненияCV-кратное CV, в отличие от выбора единственной лучшей модели и подачи ее в нечто вроде train ()?
Для справки, я не делаю CV-кратное CV для дальнейшего выбора модели, простооценить прогнозирующую способность данной модели (т. е. сообщить прогнозы с использованием этой модели).