拉贾什·古哈尼约吉;大卫·B·邓森。 贝叶斯压缩回归。 （英语） Zbl 1373.62100号 美国统计协会。 110、512号、1500-1514（2015）. 摘要：作为高维回归中变量选择或收缩的替代方法，我们建议在分析之前随机压缩预测因子。这大大减少了存储和计算瓶颈，当预测器可以投影到低维线性子空间且有关响应的信息损失最小时，性能良好。与现有的贝叶斯降维方法相反，以压缩数据为条件的精确后验分布在分析上是可用的，将计算速度提高了许多数量级，同时也绕过了由于MCMC的收敛和混合问题而引起的鲁棒性问题。模型平均用于降低对随机投影矩阵的敏感性，同时调节子空间维数的不确定性。通过在大（p）小（n）渐近范式中显示预测密度的近参数收敛速度，为该方法提供了有力的理论支持。与竞争对手相比，实际性能在仿真和实际数据应用中得到了说明。 引用于15文件 MSC公司： 2015年1月62日 贝叶斯推断 62年02月 一般非线性回归 62J07型 山脊回归；收缩估计器（拉索） 关键词：贝叶斯压缩回归;压缩感知;数据压缩;降维;大\（p\），小\（n\）;随机投影;稀疏;充分降维 PDF格式BibTeX公司 XML格式引用 \textit{R.Guhaniyogi}和\textit{D.B.Dunson}，J.Am.Stat.Assoc.110，No.512，1500--1514（2015；Zbl 1373.62100） 全文： 内政部 arXiv公司