論文の概要: On the safe use of prior densities for Bayesian model selection

• arxiv url: http://arxiv.org/abs/2206.05210v1
• Date: Fri, 10 Jun 2022 16:17:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-13 14:53:48.896020
• Title: On the safe use of prior densities for Bayesian model selection
• Title（参考訳）: ベイズモデル選択における事前密度の安全利用について
• Authors: F. Llorente, L. Martino, E. Curbelo, J. Lopez-Santiago, D. Delgado
• Abstract要約: モデル選択における限界確率の事前感度の問題と,その役割について論じる。 また、実際には非常に一般的な選択である非形式的事前の使用についてもコメントします。 そのうちの1つは、太陽系外惑星検出における現実世界の応用である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The application of Bayesian inference for the purpose of model selection is very popular nowadays. In this framework, models are compared through their marginal likelihoods, or their quotients, called Bayes factors. However, marginal likelihoods depends on the prior choice. For model selection, even diffuse priors can be actually very informative, unlike for the parameter estimation problem. Furthermore, when the prior is improper, the marginal likelihood of the corresponding model is undetermined. In this work, we discuss the issue of prior sensitivity of the marginal likelihood and its role in model selection. We also comment on the use of uninformative priors, which are very common choices in practice. Several practical suggestions are discussed and many possible solutions, proposed in the literature, to design objective priors for model selection are described. Some of them also allow the use of improper priors. The connection between the marginal likelihood approach and the well-known information criteria is also presented. We describe the main issues and possible solutions by illustrative numerical examples, providing also some related code. One of them involving a real-world application on exoplanet detection.
• Abstract（参考訳）: モデル選択のためのベイズ推定の応用は、今日では非常に人気がある。 この枠組みでは、モデルはベイズ因子と呼ばれる限界確率または商によって比較される。 しかし、限界確率は以前の選択に依存する。 モデル選択の場合、パラメータ推定問題とは異なり、拡散前処理でさえ非常に有意義である。 さらに、前者が不適切な場合、対応するモデルの限界確率は未決定である。 本稿では,モデル選択における限界確率の事前感度の問題と,その役割について論じる。 我々はまた、実際非常に一般的な選択である非形式的優先順位の使用についてもコメントしている。 いくつかの実践的提案が議論され、モデル選択の目的を設計するための多くの可能な解決策が文献で提案されている。 いくつかは不適切な優先順位の使用も許可している。 また、周縁度アプローチとよく知られた情報基準との関係も示す。 主な問題と可能な解決策を図示的な数値例で説明し、関連するコードも提供します。 そのうちの1つは、太陽系外惑星の検出に関する現実世界の応用である。

関連論文リスト

• Large Language Models Are Not Robust Multiple Choice Selectors [117.72712117510953]
  複数選択質問(MCQ)は、大規模言語モデル(LLM)の評価において、一般的なが重要なタスク形式として機能する。 この研究は、現代のLLMが、その固有の「選択バイアス」によるオプション位置変化に対して脆弱であることを示している。 そこで本研究では,オプションIDに対する事前バイアスを全体予測分布から分離するPriDeという,ラベルのない推論時間脱バイアス手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T17:44:56Z)
• Bivariate Causal Discovery using Bayesian Model Selection [11.726586969589]
  ベイズ的枠組みに因果仮定を組み込む方法について述べる。 これにより、現実的な仮定でモデルを構築することができます。 その後、幅広いベンチマークデータセットにおいて、従来の手法よりも優れています。
  論文  参考訳（メタデータ） (2023-06-05T14:51:05Z)
• The Choice of Noninformative Priors for Thompson Sampling in Multiparameter Bandit Models [56.31310344616837]
  トンプソンサンプリング(TS)は、様々な報酬モデルにまたがる理論的な保証によって支持される卓越した経験的性能で知られている。 本研究では,理論的理解の欠如のある新しいモデルを扱う際に,非形式的事前選択がTSの性能に与える影響について考察する。
  論文  参考訳（メタデータ） (2023-02-28T08:42:42Z)
• In Search of Insights, Not Magic Bullets: Towards Demystification of the Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
  本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。 選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
  論文  参考訳（メタデータ） (2023-02-06T16:55:37Z)
• Bayesian Model Selection, the Marginal Likelihood, and Generalization [49.19092837058752]
  まず,学習制約と仮説テストの限界的可能性の魅力について再考する。 ニューラルアーキテクチャ探索において,限界確率が一般化と負の相関関係を持つことが示唆された。 また, 限界確率とPAC-Bayes境界との接続を再検討し, モデル選択における限界確率の欠点をさらに解明するためにこの接続を利用する。
  論文  参考訳（メタデータ） (2022-02-23T18:38:16Z)
• An exact counterfactual-example-based approach to tree-ensemble models interpretability [0.0]
  高性能モデルは、決定を完全に理解するために必要な透明性を示さない。 多次元間隔の集まりの形で、決定領域の正確な幾何学的特徴付けを導出できる。 回帰問題に対する推論への適応も考えられている。
  論文  参考訳（メタデータ） (2021-05-31T09:32:46Z)
• Probabilistic Metric Learning with Adaptive Margin for Top-K Recommendation [40.80017379274105]
  いくつかの新しい側面を持つ距離ベースレコメンデーションモデルを開発する。 提案モデルは、Top-Kレコメンデーションのrecall@Kの点で、最高の既存のモデルを4-22%上回る。
  論文  参考訳（メタデータ） (2021-01-13T03:11:04Z)
• Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
  この記事では、このトピックの最先端に関する総合的な研究について紹介する。 さまざまなテクニックの制限、メリット、コネクション、差異を強調します。 また、不適切な事前利用の問題や解決法についても述べる。
  論文  参考訳（メタデータ） (2020-05-17T18:31:58Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。