马尔可夫链蒙特卡罗交叉验证的非参数贝叶斯方法
摘要：完全自动和自适应的非参数推断是一个令人难以置信的目标。经典方法，最好以核估计为例，具有良好的渐近性质，但在选择平滑参数时非常敏感。另一方面，贝叶斯方法，最好以高斯混合模型为例，鉴于观测数据，但对先验的选择非常敏感。1984年，作者提议使用交叉验证的高斯核作为平滑尺度参数h的似然函数，并根据杰弗里斯规则得到了h的后验均值的封闭公式作为先验。由于公式的组合复杂性，这种平滑参数的贝叶斯规则的实际操作特性在所有这些年中一直是未知的。本文表明，可以使用Metropolis算法的一种版本来近似计算h的值，从而产生出色的完全自动和自适应的核估计量。对交叉验证似然函数形式的深入研究提出了修正和贝叶斯非参数方法的新方法。
作者：Carlos C. Rodriguez (SUNY Albany)
论文ID：physics/9712041
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2007-05-23