抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Bayes lassoはLassoのBayes代替としてよく知られている。Bayesラッソの利点はパラメータに対する完全な確率的不確実定量化が可能であるが,対応する事後分布は異常値に敏感である。このような問題を克服するために,ロバストなBayes回帰モデルが近年提案されている。本論文では,完全Bayes展望におけるBayes Huberized lasso回帰に対するロバストで効率的な推定を考察した。BayesHuberized lasso回帰のための新しい事後計算アルゴリズムを提案した。提案した近似Gibbsサンプラは完全条件付き分布の近似に基づいており,擬似Huber損失関数のロバスト性に対する同調パラメータの推定が可能である。後部分布のいくつかの理論的特性も導いた。シミュレーション研究と実際のデータ例を通して提案した方法の性能を説明した。【JST・京大機械翻訳】