线性回归模型中贝叶斯模型平均的自适应MC^3和Gibbs算法
摘要：自适应MC$^3$和Gibbs取样器在线性回归模型中进行贝叶斯模型平均（BMA）是最广泛使用的算法。这些取样器在每次迭代中随机选择一个变量，并提出更新该变量的建议。如果变量数量较多且许多变量是冗余的，这可能导致计算效率低下。在本文中，我们引入了自适应版本的这些取样器，保持其实现的简单性，并降低了许多冗余变量的选择概率。我们在真实和模拟数据集中说明了自适应取样器的效率改进。
作者：Demetris Lamnisos, Jim E. Griffin and Mark F.J. Steel
论文ID：1306.6028
分类：Computation
分类简称：stat.CO
提交时间：2013-06-26