【原始碼】MATLAB的BMS工具箱：貝葉斯模型平均（BMA）
Zellner g先驗條件下線性模型的貝葉斯模型平均
Bayesian Model Averaging for linear modelsunder Zellner’s g prior.
可選項包括：固定的（BRIC,UIP, …）和可調的g先驗（經驗貝葉斯，hyper-g）、5種先驗模型、通過模型列舉或MCMC取樣器進行模型取樣（Metropolis-Hastingsplain or reversible jump）。
Options include: fixed (BRIC, UIP, …) andflexible g priors (Empirical Bayes, hyper-g), 5 kinds of model prior concepts,and model sampling via model enumeration or MCMC samplers (Metropolis-Hastingsplain or reversible jump).
後處理允許根據不同的概念（基於似然與MCMC的方法）進行推斷，並允許繪製（後驗模型大小、係數密度、最佳模型、模型收斂性、BMA比較）。
Post-processing allows for inferenceaccording to different concepts (likelihood vs MCMC-based) and for plotting(posterior model size and coefficient densities, best models, modelconvergence, BMA comparison).
要求MATLAB版本為6.5及其更高版本。
如果想了解更詳細的資訊，請參閱網站：http://bms.zeugner.eu/matlab/
完整原始碼下載地址：
http://page5.dfpan.com/fs/0l5c0j52e2113209169/
更多精彩文章請關注微訊號：