СибНСХБ

Вид поиска

Область поиска

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Поисковый запрос: (<.>S=УПОРЯДОЧИВАНИЕ МОДЕЛЕЙ<.>)

Общее количество найденных документов : 1

РЖ ВИНИТИ 34 (BI38) 01.11-04А3.774

George, Edward I.
Calibration and empirical Bayes variable selection [Text] / Edward I. George, Dean P. Foster // Biometrika. - 2000. - Vol. 87, N 4. - P731-747 . - ISSN 0006-3444
Перевод заглавия: Калибровка эмпирического байесовского выбора переменных
Аннотация: Рассматривается станд. проблема выбора переменных (П), когда имеется n наблюдений независимой П Y и p независимых П X = (x[1],...,x[p]), удовлетворяющих линейной модели Y = X'бета' + 'эпсилон', где 'эпсилон' 'ЭКВИВ' N(0,'сигма'{2}I) и 'бета' = ('бета'[1],...,'бета'[p])'. Предполагается, что неизвестное подмножество коэф. регрессии 'бета'[j] равно 0. Проблема выбора переменных (выбора подмножества) состоит в идентификации этого неизвестного подмножества. Общая стратегия такого выбора состоит в построении модели, для к-рой максимизируется критерий штрафной суммы квадратов. Если 'гамма' индексирует соотв. подмножество с q['гамма'] переменными, то типичным критерием будет ss['гамма']/'сигма'{2}-Fq['гамма'], где ss['гамма'] есть Y'Y для оценки соотв. Y методом наименьших квадратов, а в знаменателе стоит оценка дисперсии 'сигма'{2}. Фиксированная константа F характеризует "штраф размерности", различный выбор значений F дает набор применяемых критериев. Предлагается взять значение F = 2log(p). Показано, что подобные критерии соответствуют выбору некоторого гиперпараметра, при к-ром максимизируется апостериорная вероятность. Калибровка с помощью гиперпараметра позволяет произвести упорядочивание моделей, соотв. упорядочиванию по приведенному выше критерию. На основе подобной калибровки предложены эмпирические байесовские критерии выбора, рассматриваются оценки гиперпараметра методами маргинального и условного максимума правдоподобия. Выявлены хорошие св-ва предложенного подхода. США, Dep. of Management Science and Information Systems, The Univ. of Texas at Austin, Austin, TX 78712-1175. E-mail: egeorge@mail.uteas.edu. Ил. 2. Библ. 33

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.09
Рубрики: БИОМЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
ЛИНЕЙНАЯ РЕГРЕССИЯ
ВЫБОР ПЕРЕМЕННЫХ
ПРАВДОПОДОБИЕ
УПОРЯДОЧИВАНИЕ МОДЕЛЕЙ

Доп.точки доступа:
Foster, Dean P.

"Электронные каталоги и базы данных библиотек СО РАН"

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска