利用装袋后验进行可重复的参数推断
原文中文,约500字,阅读约需2分钟。发表于: 。在模型错配方面,贝叶斯后验经常无法正确量化真实参数或伪真参数的不确定性,并导致模型在独立数据集上产生矛盾的后验分布。为了定义在模型错配中可复现的不确定性量化准则,我们考虑从独立数据集构建的两个置信区间的重叠概率,并建立了适用于任何有效置信区间的重叠概率下界。我们证明了标准后验的可信区间往往会严重违反这个下界,尤其在高维环境中(即维度随样本大小增加)表现出不内聚性。为了提高易使用性和普适性,并...
BayesBag是一种新的贝叶斯后验方法,通过使用基于自助样本构建的后验分布的平均值来提高易用性和普适性,并改善可复现性。该方法证明了满足重叠下界和渐进正态分布,并通过模拟实验和犯罪率预测应用展示了其优势。标准后验的可信区间往往会严重违反下界,尤其在高维环境中表现出不内聚性。