BMA理论学习
虽说学习上只是不求甚解，能跑程序就行，但最基本原理还是要了解一下
知乎上找到几个不错的答案，粘贴存档一下。
正好研究生毕业论文就是做BMA。我的理解：BMA实际上就是将各模型进行揉合从而降低风险的方法。For the sake of intuition，你希望estimate 某个未知变量X，传统的方法是你选择某一模型进行拟合，发现拟合结果非常好，很开心的就选了它来做后续操作得到estimator。但是，另一个人选择了另一个模型进行拟合，发现这个模型拟合度也非常好，然而在这个模型下X estimate的结果却与之前那个模型相差很大。那这个时候应该选择哪个模型呢？只选择其中某一个模型的做法显然不妥，因为你没有考虑到uncertainty。但BMA就把uncertainty考虑进去了。具体BMA的操作原理去看看论文就能懂了，其实不难懂，难的是实际操作中到底该怎么计算各个模型对应的posterior probability。
作者：匿名用户链接：https://www.zhihu.com/question/43730195/answer/158654066
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
总体看来,BMA方法A的是模型的结果。。至于能不能A输入，还需讨论。。
如果可以的话，等跑通程序了就把程序粘上来