×

美国广播公司无线电频率

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
描述: 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)回归环境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:
关键词: R包arXiv_状态MEarXiv_状态.CO机器学习arXiv_状态MLarXiv_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BCElemStatLearn(电子状态学习)斯坦贝叶斯护林员AABC公司ABC-SubSim公司VBayesLab公司辛利克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: 27文件
全部的 前5名

76位作者引用

4 大卫·约翰·诺特
克里斯托弗·德罗万迪(Christopher C.Drovandi)。
里塔布拉塔·杜塔
斯科特·西森。
2 朱卡·科兰德
2 迈克尔·古特曼(Michael U。Gutmann)。
2 马库斯·海尼
2 塞缪尔·卡斯基
2 Nadja克莱因
2 安东尼塔·米拉
2 朱卡·佩卡·昂内拉
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 赫伯特·布切利
1 亚历山大·巴赫霍尔茨
1 布鲁诺·博纳古迪
1 保尔·克里斯蒂安·比尔克纳
1 亚特兰大查克拉博蒂
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 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 费比安·弗伦德
1 彼得·古托普
1 杰西·亨德里克斯
1 蒂尔·霍夫曼
1 拉斐尔·伊兹比基
1 乔治·卡拉巴特索斯
1 萨姆森·科勒
1 安·B·李。
1 李星菊
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 马修·穆尔斯(Matthew T.Moores)。
1 托马斯·布伦丹·墨菲
1 尼尔,彼得·J。
1 塞德里克·诺伊曼
1 Nicholls,Geoff K。
1 裴永珍
1 Taylor Pospisil
1 丹尼斯·普朗格
1 大卫·J·普莱斯。
1 斯特凡·拉德夫。
1 路易斯·雷纳
1 奥利维尔·雷斯蒂夫
1 Joshua V.罗斯。
1 克里斯托弗·桑德斯。
1 马克西米利安·舒尔茨
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 欧文·托马斯
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 维他尼斯、氟橡胶
1 吴传峰
1 杰森·徐
1 于雪军
1 朱维轩

按年份列出的引文