楼主: 可人4
371 0

[统计数据] 高维广义线性的贝叶斯变量选择 模型:拟合密度的收敛速度 [推广有奖]

  • 0关注
  • 2粉丝

会员

学术权威

76%

还不是VIP/贵宾

-

威望
10
论坛币
15 个
通用积分
46.5432
学术水平
0 点
热心指数
1 点
信用等级
0 点
经验
24566 点
帖子
4099
精华
0
在线时间
0 小时
注册时间
2022-2-24
最后登录
2022-4-15

楼主
可人4 在职认证  发表于 2022-4-3 17:00:00 来自手机 |只看作者 |坛友微信交流群|倒序 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
摘要翻译:
贝叶斯变量选择在解释变量的数目(x_1,...,x_K)$可能远大于样本量$n$时,在许多应用中取得了很大的经验成功。对于广义线性模型,如果大多数x_j$对响应y$的影响很小,我们证明了用贝叶斯变量选择来减少维数诅咒k\gg n$引起的过拟合是可能的。在这种方法中,一个合适的先验可以用来从许多$X_J$中选择几个来建模$Y$,这样后验就会提出概率密度$P$,在某种意义上,这些概率密度通常接近于真正的密度$P^*$。这种紧密度可以用$P$和$P^*$之间的海林格距离来描述,该距离的幂次非常接近$N^{-1/2}$,这是对应于低维情况的“有限维速率”。这些发现扩展了蒋(西北大学统计学系,技术报告05-02(2005))关于二元分类中贝叶斯变量选择一致性的一些最新工作。
---
英文标题:
《Bayesian variable selection for high dimensional generalized linear
  models: convergence rates of the fitted densities》
---
作者:
Wenxin Jiang
---
最新提交年份:
2007
---
分类信息:

一级分类:Mathematics        数学
二级分类:Statistics Theory        统计理论
分类描述:Applied, computational and theoretical statistics: e.g. statistical inference, regression, time series, multivariate analysis, data analysis, Markov chain Monte Carlo, design of experiments, case studies
应用统计、计算统计和理论统计:例如统计推断、回归、时间序列、多元分析、数据分析、马尔可夫链蒙特卡罗、实验设计、案例研究
--
一级分类:Statistics        统计学
二级分类:Statistics Theory        统计理论
分类描述:stat.TH is an alias for math.ST. Asymptotics, Bayesian Inference, Decision Theory, Estimation, Foundations, Inference, Testing.
Stat.Th是Math.St的别名。渐近,贝叶斯推论,决策理论,估计,基础,推论,检验。
--

---
英文摘要:
  Bayesian variable selection has gained much empirical success recently in a variety of applications when the number $K$ of explanatory variables $(x_1,...,x_K)$ is possibly much larger than the sample size $n$. For generalized linear models, if most of the $x_j$'s have very small effects on the response $y$, we show that it is possible to use Bayesian variable selection to reduce overfitting caused by the curse of dimensionality $K\gg n$. In this approach a suitable prior can be used to choose a few out of the many $x_j$'s to model $y$, so that the posterior will propose probability densities $p$ that are ``often close'' to the true density $p^*$ in some sense. The closeness can be described by a Hellinger distance between $p$ and $p^*$ that scales at a power very close to $n^{-1/2}$, which is the ``finite-dimensional rate'' corresponding to a low-dimensional situation. These findings extend some recent work of Jiang [Technical Report 05-02 (2005) Dept. Statistics, Northwestern Univ.] on consistency of Bayesian variable selection for binary classification.
---
PDF链接:
https://arxiv.org/pdf/710.3458
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:变量选择 贝叶斯 Northwestern Applications Multivariate 用来 选择 报告 线性 selection

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加JingGuanBbs
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-11-5 22:44