大卫·马迪根;阿德里安·拉弗瑞;杰里米·约克;杰弗里·布拉德肖;杏仁、拉塞尔 图形模型选择策略。 （英语） Zbl 0828.62002号 Cheeseman，P.（ed.）等人，《从数据中选择模型：人工智能和统计IV。在1993年1月举行的第四次人工智能和统计学国际研讨会上提交的论文选集》。纽约州纽约市：Springer-Verlag。莱克特。票据统计，Springer-Verlag。89, 91-100 (1994). 摘要：我们考虑贝叶斯图形模型的模型选择问题，并将其嵌入到模型不确定性的更大背景中。数据分析师通常从某类模型中选择一个模型，然后将所有后续推理都置于该模型之上。然而，这种方法忽略了模型的不确定性，导致预测校准不足：回顾过去，人们经常会发现不确定性范围不够宽。贝叶斯分析人员在对感兴趣的数量进行推断时，通过平均所有可能的模型来解决这个问题。然而，在许多应用中，由于模型空间的大小和笨拙的积分，这种平均将不是一个实际的命题，并且需要近似。在这里，我们检查了两种模型平均方案的预测性能。在所考虑的示例中，这两种方案都优于任何可能合理选择的单一模型。关于整个系列，请参见[Zbl 0793.00022号]. 引用于三文件 MSC公司： 62A01型 统计学基础和哲学主题 2015年1月62日 贝叶斯推断 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：型号选择;贝叶斯图形模型;模型不确定性;预测性能;模型平均方案 PDF格式BibTeX公司 XML格式引用 \textit{D.Madigan}等人，in：从数据中选择模型：人工智能和统计学IV。在1993年1月举行的第四次人工智能和统计国际研讨会上提交的论文选集。纽约州纽约市：Springer-Verlag。91-100（1994年；Zbl 0828.62002）