旋叶草

将松弛EM算法与Occam剃刀相结合用于高维回归中的贝叶斯变量选择。本文研究高维线性回归的贝叶斯变量选择问题。我们考虑一个生成模型,该模型使用一个尖峰和板状的先验分布,通过将一个确定的二进制向量乘以一个随机的高斯参数向量,得到了一个破坏了问题稀疏性的尖峰和板状先验分布。基于极大似然推理的EM-II模型是一种基于最大化的推理模型。模型选择是根据Occam的剃刀和EM算法找到的模型路径进行的。本文报告了我们称为spinyReg的方法与最先进的高维变量选择算法(如套索、自适应套索、稳定性选择或spike和slab程序)之间的数值比较。在模拟和实际的基准数据集上都获得了竞争变量选择结果和预测性能。还介绍了一个原始的回归数据集,该数据集利用共享单车系统数据预测巴黎奥赛博物馆的游客数量,说明了该方法的有效性。实现本文提出方法的R包spinyReg在CRAN上是可用的。