ABC模型选择

机器算法验证 贝叶斯 模型选择 预言 近似贝叶斯计算
2022-03-20 01:46:37

已经表明，不推荐使用贝叶斯因子的 ABC 模型选择，因为使用汇总统计存在错误。本文的结论依赖于对近似贝叶斯因子（算法 2）的流行方法的行为的研究。

众所周知，贝叶斯因子并不是进行模型选择的唯一方法。还有其他可能感兴趣的特征，例如模型的预测性能（例如评分规则）。

我的问题是：是否有一种类似于算法 2 的方法，用于近似一些评分规则或其他数量，可用于在具有复杂可能性的情况下根据预测性能进行模型选择？

1个回答

建立在我们工作上的好问题！您是否知道后续论文，我们在汇总统计量上推导出条件以实现贝叶斯因子的一致性？这听起来可能过于理论化，但渐近结果的结果非常简单：

给定一个汇总统计T,

  1. 运行基于 ABC 算法T对于每个正在评估的模型（i=1,..,I) 并估计参数θiABC 估计的这些模型θ^i(T);
  2. 模拟统计量的分布T对于每个模型和每个估计参数，通过蒙特卡洛实验；
  3. 检查是否意味着Eθ^i(T)[T(X)] 通过使用具有足够多的迭代次数的步骤 2 和例如 t 检验，所有这些都不同。

该程序不在论文的第一版中，但很快就会出现在修订版中

其它你可能感兴趣的问题
上一篇样条和非样条项的交互是什么意思？ 下一篇简单线性回归的报告结果：包含哪些信息？