基于MCMC的贝叶斯营销组合模型评估方法论： 系统化诊断、校准及选择的理论框架
贝叶斯营销组合建模（Bayesian Marketing Mix Modeling，MMM）作为一种先进的营销效果评估方法，其核心在于通过贝叶斯框架对营销投资的影响进行量化分析。
贝叶斯线性回归：概率与预测建模的融合
贝叶斯线性回归提供了一个强大的框架，用于理解和量化变量之间的关系。通过引入先验分布和考虑参数的不确定性，这种方法不仅能给出点估计，还能提供完整的后验分布，从而更全面地描述我们的知识状态。
贝叶斯分析与决策理论：用于确定分类问题决策点的应用
在分类问题中，一个常见的难题是决定输出为数字时各类别之间的切分点。
人工智能原理实验4（2）——贝叶斯、决策求解汽车评估数据集
贝叶斯决策树求解汽车评估数据集
时序分析 49 -- 贝叶斯时序预测（一）
贝叶斯时序分析简单介绍和Python示例
带加权的贝叶斯自举法 Weighted Bayesian Bootstrap
在去年的文章中我们介绍过Bayesian Bootstrap，今天我们来说说Weighted Bayesian Bootstrap
CRPS：贝叶斯机器学习模型的评分函数
连续分级概率评分（Continuous Ranked Probability Score, CRPS）或“连续概率排位分数”是一个函数或统计量，可以将分布预测与真实值进行比较。
贝叶斯推理三种方法：MCMC 、HMC和SBI
本文将阐明为什么贝叶斯方法不仅在逻辑上是合理的，而且使用起来也很简单。这里将以三种不同的方式实现相同的推理问题。
