我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
本文研究稀疏性假设下高维可加模型的估计和预测($p\ggn$范式)。研究了PAC-Baysian策略,给出了概率上的预言不等式。该实现是通过高维MCMC算法的最新结果实现的,并且我们的方法的性能是通过模拟数据进行评估的。
本杰明·盖吉。 皮埃尔·阿尔基尔。 “稀疏可加模型中的PAC-Baysian估计和预测。” 电子。J.统计。 7 264 - 291, 2013 https://doi.org/10.1214/13-EJS771