马库斯·海尼;大卫·J·普莱斯。;奥利维尔·雷斯蒂夫;克里斯托弗·德罗万迪 通过分类识别模型的最优贝叶斯设计。 （英语） Zbl 1484.62004号 统计计算。 32，第2号，第25号论文，第17页（2022年）. 摘要：执行最佳贝叶斯设计来区分竞争模型需要大量计算，因为它涉及估计数千个模拟数据集的后验模型概率。当竞争模型的似然函数的计算开销较大时，这个问题就更加复杂了。开发了一种使用监督分类方法进行贝叶斯最优模型判别设计的新方法。与以前使用近似贝叶斯计算的方法相比，该方法需要从候选模型中进行的模拟要少得多。此外，很容易通过误分类错误率来评估优化设计的性能。该方法在存在难以处理的可能性的模型时特别有用，但在可能性可管理时也可以提供计算优势。 引用于1文件 MSC公司： 62-08 统计问题的计算方法 2015年1月62日 贝叶斯推断 62H30型 分类和区分；聚类分析（统计方面） 关键词：近似贝叶斯计算;贝叶斯模型选择;分类回归树;连续时间马尔可夫过程;随机森林;基于仿真的贝叶斯实验设计 软件：美国广播公司无线电频率 PDF格式BibTeX公司 XML格式引用 \textit{M.Hainy}等人，《统计计算》。32，第2号，第25号论文，17页（2022；Zbl 1484.62004） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] 阿特金森，AC；费德罗夫，VV，《区分两个竞争模型的实验设计》，Biometrika，62，1，57-70（1975）·Zbl 0308.62071号 ·doi:10.2307/2334487 [2] 阿特金森，AC；费德罗夫，VV，《优化设计：区分多个模型的实验》，《生物统计学》，62，2，289-303（1975）·Zbl 0321.62085号 ·doi:10.2307/2335364 [3] 阿特金森，AC；阿肯色州多涅夫；Tobias，RD，《优化实验设计》，与SAS合著（2007），纽约：牛津大学出版社，纽约·Zbl 1183.62129号 [4] Blum，MGB，《近似贝叶斯计算：非参数视角》，美国统计协会杂志，105，491，1178-1187（2010）·Zbl 1390.62052号 ·doi:10.1198/jasa.2010.tm09448 [5] GEP盒子；Hill，WJ，机械模型之间的区别，技术计量学，9，1，57-71（1967）·doi:10.307/1266318 [6] Breiman，L.，《装袋预测》，《马赫学习》，24，2，123-140（1996）·Zbl 0858.68080号 ·doi:10.1023/A:1018054314350 [7] Breiman，L.，《随机森林》，《马赫学习》，第45、1、5-32页（2001年）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [8] 布雷曼，L。；弗里德曼，J。；奥申，RA；Stone，CJ，分类和回归树（1984），博卡拉顿：查普曼和霍尔/CRC，博卡拉顿·Zbl 0541.62042号 [9] 卡瓦尼亚罗，DR；Myung，JI；马萨诸塞州皮特；Kujala，JV，《自适应设计优化：认知科学中基于交互信息的模型识别方法》，神经计算，22，4，887-905（2010）·兹比尔1200.68182 ·doi:10.1162/neco.2009.02-09-959 [10] Chai H.、Ton J.F.、Osborne M.A.、Garnett R.（2019）《贝叶斯求积的自动模型选择》。摘自：第36届国际机器学习会议论文集，《机器学习研究论文集》，第97卷，第931-940页 [11] Chaloner，K。；Verdinelli，I.，《贝叶斯实验设计：综述》，《统计科学》，10，3，273-304（1995）·Zbl 0955.62617号 ·doi:10.1214/ss/1177009939 [12] Dehideniya，M.B.，Drovandi，C.C.，McGree，J.M.：使用综合似然方法进行流行病学参数估计和模型识别的两用贝叶斯设计。昆士兰科技大学技术代表（2018a）。https://eprints.qut.edu.au/118569/ ·Zbl 1469.62053号 [13] Dehideniya，M.B.，Drovandi，C.C.，McGree，J.M.：最佳贝叶斯设计，用于区分流行病学中具有难以解决的可能性的模型。计算统计信息；amp；amp；数据分析124277-297（2018b）。doi:10.1016/j.csda.2018.03.004·Zbl 1469.62053号 [14] Dehideniya，M.B.，Overstall，A.M.，Drovandi，C.C.，McGree，J.M.：一种用于生物过程有效设计的基于合成相似性的拉普拉斯近似。技术代表，arXiv:1903.04168（2019） [15] Dette，H。；Titoff，S.，最优判别设计，Ann Statistics，37,42056-2082（2009）·Zbl 1168.62066号 ·doi:10.1214/08-AOS635 [16] 德罗万迪，CC；Pettitt，AN，医院病房中耐甲氧西林金黄色葡萄球菌传播的多变量马尔可夫过程模型，生物统计学，64，3，851-859（2008）·Zbl 1274.62762号 ·doi:10.1111/j.1541-0420.2007.00933.x [17] 德罗万迪，CC；JM McGree；Pettitt，AN，《将模型不确定性纳入贝叶斯序贯设计的序贯蒙特卡罗算法》，《计算图统计杂志》，23，1，3-24（2014）·doi:10.1080/10618600.2012.730083 [18] 德罗万迪，CC；佩蒂特，AN；亨德森，RD；McCombe，PA，边际可逆跳马尔可夫链蒙特卡罗及其在电机单元数估计、计算统计和；amp；数据分析，72128-146（2014）·Zbl 1506.62058号 ·doi:10.1016/j.csda.2013.11.003 [19] Foster，A.，Jankowiak，M.，Bingham，E.，Teh，Y.W.，Rainforth，T.，Goodman N.：变分贝叶斯最优实验设计。主题：神经信息处理系统进展32，NIPS 2019（2019） [20] 弗里尔，N。；Pettitt，AN，通过幂后验估计边际似然，英国皇家统计学会：B系列（统计方法），70，3，589-607（2008）·Zbl 05563360号 ·doi:10.1111/j.1467-9868.2007.00650.x [21] 弗里尔，北。；Wyse，J.，《估计证据——综述》，《Neerlandica统计》，第66、3、288-308页（2012年）·文件编号：10.1111/j.1467-9574.2011.00515.x [22] Gillespie，DT，耦合化学反应的精确随机模拟，《物理化学杂志》，81，25，2340-2361（1977）·doi:10.1021/j100540a008 [23] Grelaud，A。；CP罗伯特；吉咪·马林；鲁道夫，F。；Taly，JF，《吉布斯随机场模型选择的ABC类无网格方法》，《贝叶斯分析》，4，2，317-335（2009）·Zbl 1330.62126号 ·doi:10.1214/09-BA412 [24] 海尼，M。；穆勒，WG；Wagner，H.，应用于空间极值的无似然模拟优化设计，《随机环境风险评估》，30，2，481-492（2016）·doi:10.1007/s00477-015-1067-8 [25] 哈曼，R。；Müller，WG，基于柔性标称集的对称模型识别设计标准，《生物医学杂志》，62，4，1090-1104（2020）·Zbl 1441.62367号 ·doi:10.1002/bimj.201900074 [26] Hastie，T.、Tibshirani，R.、Friedman，J.：统计学习的要素。施普林格，纽约（2009）。doi:10.1007/978-0-387-84858-7·Zbl 1273.62005年 [27] 卡斯，RE；Raftery，AE，Bayes factors，美国统计协会杂志，90，430，773-795（1995）·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572 [28] 键，JT；佩里奇，LR；Smith，原子力显微镜；贝纳多，JM；JO伯杰；Dawid，AP，贝叶斯模型选择：什么？为什么？，贝叶斯统计6，343-370（1999），纽约：牛津大学出版社，纽约·Zbl 0956.62007号 [29] Kleinegesse，S.，Gutmann，M.U.：隐式模型的高效贝叶斯实验设计。摘自：《第22届国际人工智能与统计会议论文集》，《机器学习研究论文集》第89卷，第476-485页（2019年） [30] Kleinegesse，S.、Drovandi，C.、Gutmann，M.U.：通过相互信息进行隐式模型的序贯贝叶斯实验设计。贝叶斯分析（2020）doi:10.1214/20-BA1225，https://projecteuclid.org/euclid.ba/1596160819 [31] Konishi，S.，Kitagawa，G.：信息标准和统计建模。Springer Series in Statistics，Springer-Verlag，纽约，（2008）。数字对象标识代码：10.1007/978-0-387-71887-3·Zbl 1172.62003年 [32] XJ Lee；海尼，M。；麦基恩，JP；德罗万迪，CC；Pettitt，AN，ABC模型选择，用于南澳大利亚州最高温度数据的空间极值模型，计算统计与；amp；数据分析，128，128-144（2018）·Zbl 1469.62097号 ·doi:10.1016/j.csda.2018.06.019 [33] Lindley，DV，《关于实验所提供信息的测量》，《数学统计年鉴》，27，4，986-1005（1956）·兹伯利0073.14103 ·doi:10.1214/aoms/1177728069 [34] Liu，J.S.：科学计算中的蒙特卡罗策略。施普林格，纽约（2001年）。数字对象标识代码：10.1007/978-0-387-76371-2·Zbl 0991.65001号 [35] RK梅耶；Nachtsheim，CJ，构建精确优化实验设计的坐标交换算法，《技术计量学》，37，1，60-69（1995）·Zbl 0825.62652号 ·doi:10.1080/00401706.1995.10485889 [36] 内尔德，JA；Mead，R.，函数最小化的单纯形方法，计算J，7，4，308-313（1965）·Zbl 0229.65053号 ·doi:10.1093/comjnl/7.4.308 [37] Ng、SH；Chick，SE，《改进模型判别和参数估计的后续实验设计》，Naval Res Logist，51，8，1129-1148（2004）·兹比尔1075.62067 ·doi:10.1002/nav.20046 [38] 超长，AM；McGree，JM，《使用耦合辅助模型和多元仿真的难处理似然模型的贝叶斯实验设计》，贝叶斯分析高级出版物（2019年）·Zbl 1437.62303号 ·doi:10.1214/19-BA1144 [39] 超长，AM；Woods，DC，使用近似坐标交换的贝叶斯实验设计，Technometrics，59，4，458-470（2017）·doi:10.1080/00401706.2016.1251495 [40] 超长，AM；JM McGree；Drovandi，CC，一种使用基于正态的损失函数近似来寻找完全贝叶斯最优设计的方法，Statistics and Comput，28，2433-358（2018）·Zbl 1384.62277号 ·数字对象标识代码：10.1007/s11222-017-9734-x [41] Ponce de Leon，A.C.，Atkinson，A.C.：区分两个对立广义线性模型的实验设计。收录于：Fahrmeir，L.，Francis，B.，Gilchrist，R.，Tutz，G.（编辑）《GLIM和统计建模进展》，《统计学讲义》，第78卷，Springer，纽约，第159-164页，（1992）。doi:10.1007/978-1-4612-2952-025·Zbl 0800.62469号 [42] 价格，DJ；Bean，天然气；合资公司Ross；Tuke，J.，《利用ABC有效确定最佳贝叶斯实验设计：流行病最佳观察的案例研究》，《统计计划推断》，172，1-15（2016）·Zbl 1334.62198号 ·doi:10.1016/j.jspi.2015.12.008 [43] 价格，DJ；Bean，天然气；合资公司Ross；Tuke，J.，《寻找最佳贝叶斯实验设计的诱导自然选择启发式》，计算统计与；amp；数据分析，126112-124（2018）·Zbl 1469.62130号 ·doi:10.1016/j.csda.2018.04.011 [44] Pudlo，P.，Marin，J.M.，Estoup，A.，Cornuet，J.M..，Gautier，M.，Robert，C.P.：通过随机森林进行可靠的ABC模型选择。生物信息学32（6），（2016）。doi:10.1093/bioinformatics/btv684 [45] 拉斯穆森，CE；Williams，CKI，《机器学习的高斯过程》（2006），剑桥：麻省理工学院出版社，剑桥·Zbl 1177.68165号 [46] Restif，O。；Goh，YS；Palayret，M。；格兰特，AJ；麦金利，TJ；克拉克，MR；Mastoeni，P.，《抗体对肠道沙门菌胞外动力学和胞内动力学影响的量化》，皇家Soc界面杂志（2012年）·doi:10.1098/rsif.2012.0866 [47] CP罗伯特；科努埃，JM；吉咪·马林；Pillai，NS，对近似贝叶斯计算模型选择缺乏信心，美国国家科学院学报，108，37，15112-15117（2011）·doi:10.1073/pnas.1102900108 [48] 瑞恩，EG；德罗万迪，CC；JM McGree；Pettitt，AN，贝叶斯优化设计的现代计算算法综述，Int Statistical Rev，84，1128-154（2016）·Zbl 07763475号 ·doi:10.1111/insr.12107 [49] Spall，JC，《随机优化的同时扰动算法的实现》，IEEE Trans Aerospace and Electron Syst，34，3，817-823（1998）·doi:10.1109/7.705889 [50] 施皮格尔（Spiegelhalter），DJ；最佳，NG；英国石油公司卡林；Van Der Linde，A.，模型复杂性和拟合的贝叶斯度量，皇家统计学会期刊：B辑（统计方法），64，4，583-639（2002）·兹比尔1067.62010 ·数字对象标识代码：10.1111/1467-9868.00353 [51] O·托马斯。；杜塔，R。；Corander，J。；Kaski，S。；Gutmann，MU，通过比率估计进行无似然推断，贝叶斯分析，17，1，1-31（2022）·Zbl 07809841号 ·doi:10.1214/20-BA1238 [52] 金杰，P。；Duffull，SB，区分竞争模型的T-最优性的一般化及其在药代动力学研究中的应用，《药物统计》，11，6，503-510（2012）·doi:10.1002/pst.1542 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。