Bayes回帰木モデルにおける影響観測【JST・京大機械翻訳】

Pratola Matthew T.; George Edward I.; McCulloch Robert E.

プレプリント

J-GLOBAL ID：202202208575843900 整理番号：22P0310752

Bayes回帰木モデルにおける影響観測【JST・京大機械翻訳】

Influential Observations in Bayesian Regression Tree Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月26日プレプリントサーバーでの情報更新日： 2023年05月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

BCART(Bayes分類と回帰ツリー)とBART(Bayes付加回帰ツリー)は,現代の回帰問題に広く適用可能な一般的なBayes回帰モデルである。それらの人気は,高次元入力に応じて複雑な応答を柔軟にモデル化する能力に密接に結びついているが,同時に不確実性を定量化することができる。不確実性を定量化するこの能力は,研究者がベイジアンアプローチを用いて処理するのが困難な設定で適切な推論分析を行うことを可能にするので,鍵である。しかし,モデリング仮定の違反に対するこれらの現代の回帰モデルの感度を評価するためには,驚くほど研究はほとんどなされていない。特に,著者らは,大きなデータ設定において,通常,一般的である,または少なくとも懸念であると想像する影響のある観察を考慮する。本論文では,影響のある観測を検出し,そのような潜在的に問題のあるデータに影響されない予測を調整する問題の両方を考察した。Bayesツリーモデルのための3つの検出診断,Cookの距離の1つ,および発散測度と条件付き予測密度メトリックの形式を取り上げて,次に,計算的に効率的方法で影響力のあるデータの影響を取り除くために,以前にサンプリングされた後部ドローを再重みづけするための重要性サンプリングアルゴリズムを提案した。最後に,著者らの方法を,モデルのブラインドアプリケーションが貧弱な予測と推論に導くことができる実世界データで実証した。【JST・京大機械翻訳】

, , , , , , , , ,
, 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般 , 数値計算

, ,

前のページに戻る