摘要
稳健的贝叶斯模型是标准模型的替代品,能够保护数据不受异常值或其他偏离模型假设的数据的影响。从历史上看,稳健模型大多是在个案基础上开发的;示例包括稳健线性回归、稳健混合模型和突发主题模型。在本文中,我们开发了一种鲁棒贝叶斯建模的通用方法。我们展示了如何将现有的贝叶斯模型转换为稳健模型,然后为其开发一种通用的计算策略。我们使用我们的方法研究了几种模型的稳健变体,包括线性回归、泊松回归、逻辑回归和概率主题模型。我们讨论了我们的方法和现有方法之间的联系,特别是经验贝叶斯和詹姆斯·斯坦因估计。
引用
下载引文
王冲。
大卫·M·布莱。
“稳健贝叶斯建模的通用方法。”
贝叶斯分析。
13
(4)
1163 - 1191,
2018年12月。
https://doi.org/10.1214/17-BA1090
问询处
发布日期:2018年12月
欧几里德项目首次推出:2018年1月3日
数字对象标识符:10.1214/17-BA1090
关键词:经验贝叶斯,EM算法,广义线性模型,概率模型,稳健统计,主题模型,变分推理