×
休·A·奇普曼。;爱德华一世乔治。;Robert E.McCulloch。

BART：贝叶斯加性回归树。 （英语） Zbl 1189.62066号

附录申请。斯达。 4，第1期，266-298（2010）.
摘要：我们开发了一个贝叶斯“树和”模型，其中每棵树在成为弱学习者之前都受到正则化约束，拟合和推理是通过迭代贝叶斯反射MCMC算法完成的，该算法从后验数据中生成样本。实际上，BART是一种非参数贝叶斯回归方法，它使用维度自适应随机基元。受总体集成方法，特别是boosting算法的启发，BART由一个统计模型定义：先验和似然。这种方法能够进行全面的后验推断，包括未知回归函数的点和区间估计以及潜在预测因子的边际效应。通过跟踪预测器包含频率，BART也可用于无模型变量选择。BART的许多特性通过在42个不同数据集上与竞争方法的对比、模拟实验和药物发现分类问题来说明。

引用于2评论
引用于181文件

理学硕士：

62G08号 非参数回归和分位数回归
2015年1月62日 贝叶斯推断
65C60个 统计中的计算问题（MSC2010）
62H30型 分类和区分；聚类分析（统计方面）

关键词：

贝叶斯反噬;增压;汽车;分类;合奏;MCMC公司;非参数回归;probit模型;随机基础;正规化;树和模型;变量选择;弱学习者

软件：

e1071号;ROCR公司;千兆字节;阿达·布斯特。MH公司;贝叶斯树;伦敦银行支持向量机;R（右）;巴蒂;质量（R）
PDF格式BibTeX公司 XML格式引用
\textit{H.A.Chipman}等人，Ann.Appl。Stat.4，No.1，266--298（2010；Zbl 1189.62066）
全文： 内政部 arXiv公司

参考文献：

[1] Abreveya，J.和McCulloch，R.（2006年）。命运逆转：对全国曲棍球联盟点球的统计分析。普渡大学技术报告。
[2] Abu-Nimeh，S.、Nappa，D.、Wang，X.和Nair，S.（2008）。通过贝叶斯加性回归树检测钓鱼电子邮件。技术报告，德克萨斯州达拉斯南方卫理公会大学。
[3] Albert，J.H.和Chib，S.（1993年）。二进制和多光子响应数据的贝叶斯分析。J.Amer。统计人员。协会88 669-679·Zbl 1043.62087号 ·doi:10.1016/S0304-4076（03）00108-8
[4] Amit，Y.和Geman，D.（1997）。用随机树进行形状量化和识别。神经计算9 1545-1588。
[5] Blanchard，G.（2004）。非算法加速技术Bayesien pour le modele CART。《Revue d’Intelligence artificielle》18 383-410。
[6] Breiman，L.（1996）。装袋预测器。机器学习26 123-140·Zbl 0858.68080号
[7] Breiman，L.（2001）。随机森林。机器学习45 5-32·Zbl 0774.62031号 ·doi:10.2307/2290350
[8] Chang，C.-C.和Lin，C.-J.（2001）。LIBSVM：支持向量机库。可从获取。
[9] Chipman，H.A.、George，E.I.和McCulloch，R.E.（1998）。贝叶斯CART模型搜索（作者进行了讨论和反驳）。J.Amer。统计人员。协会93 935-960·Zbl 1072.62650号 ·doi:10.2307/2670105
[10] Chipman，H.A.、George，E.I.和McCulloch，R.E.（2002）。贝叶斯树模型。机器学习48 299-320·Zbl 0820.68098号
[11] Chipman，H.A.、George，E.I.和McCulloch，R.E.（2007年）。贝叶斯集成学习。神经信息处理系统19 265-272。
[12] Denison，D.G.T.、Mallick，B.K.和Smith，A.F.M.（1998）。贝叶斯CART算法。生物特征85 363-377·Zbl 1048.62502号 ·doi:10.1093/biomet/85.2.363
[13] Dimitriadou，E.、Hornik，K.、Leisch，F.、Meyer，D.和Weingessel，A.（2008年）。e1071:TU Wien统计部的其他职能（e1071）。R软件包版本1.5-18。
[14] Efron，B.、Hastie，T.、Johnstone，I.和Tibshirani，R.（2004）。最小角度回归（作者进行了讨论和反驳）。安。统计师。32 407-499. ·Zbl 1091.62054号 ·doi:10.1214/009053604000000067
[15] Feng，J.、Lurati，L.、Ouyang，H.、Robinson，T.、Wang，Y.、Yuan，S.和Young，S.（2003）。预测毒理学：基准分子描述符和统计方法。化学信息与计算机科学杂志43 1463-1470。
[16] Freund，Y.和Schapire，R.E.（1997）。在线学习的决策理论推广及其在助推中的应用。J.计算。系统科学。55 119-139. ·Zbl 0880.68103号 ·doi:10.1006/jcss.1997.1504
[17] Friedman，J.H.（1991）。多元自适应回归样条（作者进行了讨论和反驳）。安。统计师。19 1-67. ·兹比尔0765.62064 ·doi:10.1214/aos/1176347963
[18] 弗里德曼，J.H.（2001）。贪婪函数近似：梯度增强机。安。统计师。29 1189-1232. ·Zbl 1043.62034号 ·doi:10.1214/aos/1013203451
[19] Green，P.J.（1995）。可逆跳跃MCMC计算和贝叶斯模型确定。生物特征82 711-732·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[20] Hastie，T.和Tibshirani，R.（2000年）。贝叶斯反噬（作者发表评论和反驳）。统计人员。科学。15 196-223. ·Zbl 1059.62524号 ·doi:10.1214/ss/1009212815
[21] Kim，H.、Loh，W.Y.、Shih，Y.-S.和Chaudhuri，P.（2007年）。具有良好预测能力的可视化和可解释回归模型。IEEE汇刊：数据挖掘和Web挖掘专刊39 565-579。
[22] Ridgeway，G.（2004）。gbm包。R统计计算基金会，奥地利维也纳。
[23] Sing，T.、Sander，O.、Beerenwinkel，N.和Lengauer，T.（2007年）。ROCR：可视化评分分类器的性能。R包版本1.0-2。
[24] Venables，W.N.和Ripley，B.D.（2002年）。《现代应用统计学与S》，第四版，施普林格出版社，纽约·Zbl 1006.62003号
[25] Wu，Y.、Tjelmeland，H.和West，M.（2007）。贝叶斯CART：先验规范和后验模拟。J.计算。图表。统计人员。16 44-66. ·doi:10.1198/106186007X180426
[26] Zellner，A.（1962年）。一种有效的方法，用于估计看似无关的回归并测试聚合偏差。J.Amer。统计人员。协会57 348-368·Zbl 0113.34902号 ·doi:10.2307/2281644
[27] Zhang，J.L.和Haerdle，W.K.（2010）。贝叶斯加性分类树应用于信用风险建模。计算。统计人员。数据分析。54 1197-1205. ·兹比尔1464.62196
[28] Zhang，S.、Shih，Y.-C.T.和Muller，P.（2007）。合并两个数据集的空间调整贝叶斯加性回归树模型。贝叶斯分析。2 611-634. ·Zbl 1331.62170号 ·doi:10.1214/07-BA224
[29] Zhou，Q.和Liu，J.S.（2008）。提取序列特征预测蛋白质-DNA结合：一项比较研究。核酸研究36 4137-4148。
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。