姚玉玲;阿基·维塔里;丹尼尔·辛普森;安德鲁·盖尔曼 [伯特兰·克拉克;李孟;彼得·格伦沃尔德;里安·德·海德;A.菲利普·达维德;尤·威廉·魏敏;罗伯特·温克勒。;维克多·里士满·R·何塞;Lichtendahl jun.,Kenneth C。;耶尔·格拉什卡·科卡因;肯尼科罗·麦卡林;阿斯塔维特,克努特;韦斯特,迈克;Minsuk Shin;周天健;伦纳特·胡格海德;赫尔曼·K·范·迪克。;Haakon C.巴卡。;达尼埃拉·卡斯特罗·卡米洛;玛丽亚·弗朗科·维洛里亚;安娜·弗伦尼·斯特兰蒂诺;拉斐尔·胡塞尔;托马斯·奥皮茨;哈瓦德街;Marco A.R.费雷拉。;路易斯·佩里奇;克里斯托弗·弗朗克。;爱德华·伯利泽;努鲁舍夫;马特奥·伊阿科皮尼;斯特凡诺·托内拉托;克莱德、梅利斯] 使用叠加平均贝叶斯预测分布(讨论)。 (英语) Zbl 1407.62090号 贝叶斯分析。 13,第3期,917-1007(2018). 摘要:贝叶斯模型平均值在(mathcal{M})-开放设置中存在缺陷,在这种设置中,真正的数据生成过程不是合适的候选模型之一。我们采用点估计文献中的叠加思想,并推广到预测分布的组合。我们将效用函数扩展到任何合适的评分规则,并使用帕累托平滑的重要性抽样来有效计算所需的删去后验分布。我们将预测分布的叠加与几种备选方案进行了比较:平均值叠加、贝叶斯模型平均(BMA)、伪BMA和使用贝叶斯自举稳定的伪BMA变体。基于模拟和实际数据应用,我们建议堆叠预测分布,当计算成本存在问题时,使用引导伪BMA作为近似替代方案。 引用于25文件 MSC公司: 2015年1月62日 贝叶斯推断 关键词:贝叶斯模型平均;模型组合;正确的评分规则;预测分布;堆叠;引导-伪BMA 软件:ADVI公司;斯坦;R(右) PDF格式BibTeX公司 XML格式引用 \textit{Y.Yao}等人,贝叶斯分析。13,编号31917-1007(2018;兹bl 1407.62090) 全文: 内政部 arXiv公司 欧几里得 参考文献: [1] Adams,J.、Bishin,B.G.和Dow,J.K.(2004)。《国会竞选中的代表权:美国参议院选举中贴现/定向投票的证据》,《政治杂志》,66(2):348-373。 [2] Akaike,H.(1978年)。《关于时间序列模型的可能性》,《统计学家》,217-235。 [3] Bernardo,J.M.和Smith,A.F.M.(1994)。贝叶斯理论。约翰·威利父子公司·Zbl 0796.6202号 [4] Blei,D.M.、Kucukelbir,A.和McAuliffe,J.D.(2017)。《变分推理:统计学家评论》,《美国统计协会杂志》,112(518):859-877·doi:10.1080/01621459.2017.1285773 [5] Breiman,L.(1996年)。“叠加回归”,机器学习,24(1):49–64·Zbl 0849.68104号 [6] Burnham,K.P.和Anderson,D.R.(2002年)。模型选择和多模型推理:一种实用的信息论方法。施普林格,第二版·Zbl 1005.62007号 [7] Clarke,B.(2003年)。“当模型近似误差不能忽略时,比较贝叶斯模型平均值和叠加”,《机器学习研究杂志》,4:683-712·Zbl 1102.68488号 [8] Clyde,M.和Iversen,E.S.(2013年)。“M-open框架中的贝叶斯模型平均”,载于Damien,P.、Dellaportas,P.,Polson,N.G.和Stephens,D.A.(编辑),《贝叶斯理论与应用》,483-498。牛津大学出版社。 [9] Fokoue,E.和Clarke,B.(2011年)。“优先模型列表选择的偏差-方差权衡”,《统计论文》,52(4):813–833·Zbl 1229.62072号 ·doi:10.1007/s00362-009-0289-6 [10] Geisser,S.和Eddy,W.F.(1979年)。“模型选择的预测方法”,《美国统计协会杂志》,74(365):153-160·Zbl 0401.62036号 ·网址:10.1080/01621459.1979.10481632 [11] Gelfand,A.E.(1996)。“使用基于抽样方法的模型确定”,Gilks,W.R.,Richardson,S.和Spiegelhalter,D.J.(编辑),《马尔可夫链蒙特卡罗实践》,145-162。查普曼和霍尔·Zbl 0840.62003号 [12] Gelman,A.(2004)。“参数化和贝叶斯建模”,《美国统计协会杂志》,99(466):537-545·兹比尔1117.62343 ·doi:10.1198/016214500000458 [13] Gelman,A.和Hill,J.(2006年)。使用回归和多级/层次模型进行数据分析。剑桥大学出版社。 [14] Gelman,A.、Hwang,J.和Vehtari,A.(2014)。“理解贝叶斯模型的预测信息标准”,《统计与计算》,24(6):997-1016·Zbl 1332.62090号 ·doi:10.1007/s11222-013-9416-2 [15] George,E.I.(2010)。《稀释先验:模型空间冗余的补偿》,摘自《借力:理论驱动应用——劳伦斯·D·布朗的费斯切里夫》,158-165。数理统计研究所。 [16] Geweke,J.和Amisano,G.(2011年)。“最佳预测池”,《计量经济学杂志》,164(1):130–141·Zbl 1441.62700号 ·doi:10.1016/j.jeconom.2011.02.017 [17] Geweke,J.和Amisano,G.(2012年)。“用错误指定的模型进行预测”,《美国经济评论》,102(3):482-486。 [18] Gneiting,T.和Raftery,A.E.(2007年)。“严格正确的评分规则、预测和估计”,《美国统计协会杂志》,102(477):359-378·Zbl 1284.62093号 ·doi:10.1198/0162145000001437 [19] Gutiérrez-Peña,E.和Walker,S.G.(2005)。“统计决策问题和贝叶斯非参数方法”,《国际统计评论》,73(3):309-330·Zbl 1105.62006号 [20] Hoeting,J.A.、Madigan,D.、Raftery,A.E.和Volinsky,C.T.(1999)。《贝叶斯模型平均:教程》,《统计科学》,14(4):382-401·Zbl 1059.62525号 ·doi:10.1214/ss/1009212519 [21] Key,J.T.、Pericchi,L.R.和Smith,A.F.M.(1999)。“贝叶斯模型选择:什么和为什么”,贝叶斯统计,6:343-370·Zbl 0956.62007号 [22] Kucukelbir,A.、Tran,D.、Ranganath,R.、Gelman,A.和Blei,D.M.(2017年)。“自动微分变分推理”,《机器学习研究杂志》,18(1):430-474·Zbl 1437.62109号 [23] Le,T.和Clarke,B.(2017年)。“M-complete和M-open设置堆叠的贝叶斯解释”,贝叶斯分析,12(3):807-829·Zbl 1384.62298号 ·doi:10.1214/16-BA1023 [24] LeBlanc,M.和Tibshirani,R.(1996年)。“回归和分类中的组合估计”,《美国统计协会杂志》,91(436):1641-1650·Zbl 0881.62046号 [25] Li,M.和Dunson,D.B.(2016)。“从不完美模型中进行概率推断的框架。”ArXiv电子印刷:1611.01241。 [26] Liang,F.、Paulo,R.、Molina,G.、Clyde,M.A.和Berger,J.O.(2008)。“贝叶斯变量选择的g先验混合”,《美国统计协会杂志》,103(481):410–423·Zbl 1335.62026号 ·doi:10.1198/0162145000001337 [27] Madigan,D.、Raftery,A.E.、Volinsky,C.和Hoeting,J.(1996)。“贝叶斯模型平均”,载于《AAAI多学习模型集成研讨会论文集》,77–83页。 [28] Merz,C.J.和Pazzani,M.J.(1999)。“组合回归估计的主成分方法。”机器学习,36(1-2):9-32。 [29] Montgomery,J.M.和Nyhan,B.(2010年)。“贝叶斯模型平均:理论发展和实际应用”,《政治分析》,18(2):245-270。 [30] Piironen,J.和Vehtari,A.(2017年)。“模型选择的贝叶斯预测方法比较”,《统计与计算》,27(3):711-735·Zbl 1505.62321号 ·doi:10.1007/s11222-016-9649-y [31] Rubin,D.B.(1981)。《贝叶斯引导法》,《统计年鉴》,9(1):130-134。 [32] Smyth,P.和Wolpert,D.(1998年)。“堆积密度估计”,《神经信息处理系统进展》,668-674。 [33] 斯坦发展团队(2017)。Stan建模语言:用户指南和参考手册。版本2.16.0,http://mc-stan.org/。 [34] Stone,M.(1977年)。“通过交叉验证和Akaike标准选择模型的渐近等价性”,《皇家统计学会杂志》。B系列(方法学),39(1):44–47·Zbl 0355.6202号 [35] Ting,K.M.和Witten,I.H.(1999)。“叠加泛化中的问题”,《人工智能研究杂志》,10:271-289·Zbl 0915.68075号 ·doi:10.1613/jair.594 [36] Vehtari,A.、Gelman,A.和Gabri,J.(2017a)。“帕雷托平滑了重要性抽样。”ArXiv电子版:1507.02646。 [37] Vehtari,A.、Gelman,A.和Gabri,J.(2017b)。“使用leave-on-out交叉验证和WAIC进行实用贝叶斯模型评估”,《统计与计算》,27(5):1413-1432·Zbl 1505.62408号 ·doi:10.1007/s11222-016-9696-4 [38] Vehtari,A.和Lampinen,J.(2002年)。“使用交叉验证预测密度的贝叶斯模型评估和比较”,《神经计算》,14(10):2439–2468·Zbl 1002.62029号 ·doi:10.11162/0897660260293292 [39] Vehtari,A.和Ojanen,J.(2012)。“用于模型评估、选择和比较的贝叶斯预测方法的调查。”统计调查,6:142-228·Zbl 1302.62011年 ·doi:10.1214/12-SS102 [40] Wagenmakers,E.-J.和Farrell,S.(2004年)。“使用Akaike权重选择AIC模型”,《心理通报与评论》,11(1):192-196。 [41] Watanabe,S.(2010年)。“奇异学习理论中贝叶斯交叉验证和广泛适用信息准则的渐近等价性”,《机器学习研究杂志》,11:3571-3594·Zbl 1242.62024号 [42] Wolpert,D.H.(1992)。“叠加泛化”,《神经网络》,5(2):241-259。 [43] Wong,H.和Clarke,B.(2004)。“模型不确定性下小样本贝叶斯预测的改进”,《加拿大统计杂志》,32(3):269-283·Zbl 1061.62041号 ·doi:10.2307/3315929 [44] Yang,Y.和Dunson,D.B.(2014)。“Minimax最优贝叶斯聚合”,ArXiv电子版:1403.1345。 [45] Yao,Y.、Vehtari,A.、Simpson,D.和Gelman,A.(2018年)。“使用叠加平均贝叶斯预测分布”的补充材料。”贝叶斯分析·Zbl 1407.62090号 ·doi:10.1214/17-BA1091 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。