×

abcrf公司

swMATH ID: 21308
软件作者: 路易斯·雷纳尔(Louis Raynal)、吉恩·马歇尔·马林(Jean-Michel Marin)、皮埃尔·普德洛(Pierre Pudlo)、马修·里巴特(Mathieu Ribatet)、克里斯蒂安·罗伯特(Christian P.Robert)、阿诺德·埃斯特
说明: R包abcrf:用于贝叶斯参数推断的ABC随机森林。近似贝叶斯计算(ABC)已发展成为一种标准方法,用于管理与难以处理的似然函数相关的模型的贝叶斯推理。大多数ABC实现都需要初步选择一个信息统计矢量来汇总原始数据。此外,在几乎所有现有的实现中,需要校准区分接受和拒绝模拟参数值的公差水平。我们建议对参数进行无需预先选择汇总统计的相关成分的贝叶斯推断,并绕过相关公差水平的推导。该方法依赖于Breiman(2001)在(非参数)回归设置中应用的随机森林方法。我们主张为感兴趣的参数向量的每个分量推导一个新的随机森林。与早期的ABC解决方案相比,该方法在选择汇总统计的稳健性方面有显著提高,不依赖于任何类型的公差水平,并且在给定计算时间内,在点估计精度和可信区间估计的质量方面是一个很好的权衡。我们举例说明了我们的方法论建议的性能,并将其与早期ABC方法在一个正常玩具示例和一个涉及人类种群进化的种群遗传学示例上进行了比较。此处设计的所有方法都已纳入CRAN上可用的R包abcrf(版本1.6)中。
主页: https://cran.r-project.org/web/packages/abcrf/index.html
源代码:  https://github.com/cran/abcrf
依赖项: R(右)
关键词: R包;arXiv_状态ME;arXiv_状态.CO;机器学习;arXiv_状态ML;arXiv_发布;近似贝叶斯计算;贝叶斯推断;无需使用类似的方法;参数推断;随机森林
相关软件: 美国广播公司;贝叶斯DA;迪雅BC;R(右);ElemStatLearn(电子状态学习);斯坦;贝叶斯;护林员;AABC公司;ABC-SubSim公司;VBayes实验室;辛利克;GPS-ABC公司;RcppArmadillo公司;epiABC公司;abc工具;ABC工具箱;贝叶斯树;巴蒂;卡尔
引用于: 23文件
全部的 前5名

67位作者引用

4 大卫·约翰·诺特
克里斯托弗·德罗万迪(Christopher C.Drovandi)。
斯科特·西森。
2 里塔布拉塔·杜塔
2 马库斯·海尼
2 纳贾·克莱恩
2 安东尼·佩蒂特。
2 罗德里格斯,吉尔赫梅·苏扎
1 Janis L.Abkowitz。
1 马可·阿尔夫
1 阿波斯托洛斯·巴西迪斯
1 毕杰峰
1 米歇尔·博雷尔
1 亚历山大·巴赫霍尔茨
1 查克拉博蒂,亚特兰大
1 尼古拉斯·肖邦
1 安德鲁·康兰(Andrew J.K.Conlan)。
1 罗伯特·C·科普。
1 朱卡·科兰德
1 法比奥·科拉迪
1 西尔维娅·达安吉洛
1 辛西娅·邓巴
1 Economou,多时
1 大卫·T·弗雷泽。
1 费边·弗伦德
1 Gutmann,Michael U。
1 彼得·古托普
1 杰西·亨德里克斯
1 拉斐尔·伊兹比基
1 乔治·卡拉巴索斯
1 塞缪尔·卡斯基
1 萨姆森·科勒
1 安·B·李。
1 Lee,Xing Ju先生
1 法布里奇奥·雷森
1 李昌国
1 索尼娅·马莱法基
1 詹姆斯·麦基恩(James P.McKeone)。
1 Trevelyan J.麦金利。
1 凯里·蒙格森。
1 弗拉基米尔·米宁。
1 安东尼塔·米拉
1 马修·穆尔斯(Matthew T.Moores)。
1 托马斯·布伦丹·墨菲
1 Neal,Peter J。
1 塞德里克·诺伊曼
1 Nicholls,Geoff K。
1 朱卡·佩卡·昂内拉
1 裴永珍
1 Taylor Pospisil
1 丹尼斯·普朗格
1 大卫·J·普莱斯。
1 奥利维尔·雷斯蒂夫
1 Joshua V.罗斯。
1 克里斯托弗·桑德斯。
1 沈伟宁
1 Siri-Jegousse,阿诺
1 迈克尔·斯坦利·史密斯
1 斯宾塞,西蒙·爱德华·弗兰克
1 劳伦斯·蒂利
1 Tran、Minh Ngoc
1 乔治·扎维拉斯
1 塞西莉亚·维斯卡迪
1 吴传峰
1 杰森·徐
1 于学军
1 朱维轩

按年份列出的引文