机器算法验证 - 引导数据以建立先验 - 吾爱随笔录

我正在使用具有共轭 Normal-Inverse-Wishart (NIW) 先验的高斯模型，如此处所述。这种方法的优点是边际似然，这是我感兴趣的，可以以封闭的形式获得。 $p(y)$

我的问题是结果似乎取决于 NIW 超参数（我没有先验信息），这里描述了一些危险。

作为替代方案，我正在考虑引导我的数据以获得估计。然后我可以计算边际似然： $m$

p (y) \approx \frac{1}{m} \sum_{i = 1}^{m} p (y | {\hat{μ}}_{i}, {\hat{Σ}}_{i}) .

$p(y) \approx \frac{1}{m} \sum_{i=1}^m p(y|\hat{\mu}_i, \hat{\Sigma}_i).$

这个先验是对经验贝叶斯先验的近似，还是别的什么，或者只是胡说八道？

谢谢