論文の概要: Mean-field Variational Bayes for Sparse Probit Regression

• arxiv url: http://arxiv.org/abs/2601.21765v1
• Date: Thu, 29 Jan 2026 14:16:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.884124
• Title: Mean-field Variational Bayes for Sparse Probit Regression
• Title（参考訳）: スパースプロビット回帰のための平均場変動ベイズ
• Authors: Augusto Fasano, Giovanni Rebaudo,
• Abstract要約: 回帰係数に先行するスパイク・アンド・スラブとのプロビットリンクの下での2進結果に対するベイズ変数の選択について検討する。 マルコフ連鎖モンテカルロの高次元状態における計算問題に触発され,平均場変動ベイズ近似を開発した。
• 参考スコア（独自算出の注目度）: 0.9023847175654603
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider Bayesian variable selection for binary outcomes under a probit link with a spike-and-slab prior on the regression coefficients. Motivated by the computational challenges encountered by Markov chain Monte Carlo (MCMC) samplers in high-dimensional regimes, we develop a mean-field variational Bayes approximation in which all variational factors admit closed-form updates, and the evidence lower bound is available in closed form. This, in turn, allows the development of an efficient coordinate ascent variational inference algorithm to find the optimal values of the variational parameters. The approach produces posterior inclusion probabilities and parameter estimates, enabling interpretable selection and prediction within a single framework. As shown in both simulated and real data applications, the proposed method successfully identifies the important variables and is orders of magnitude faster than MCMC, while maintaining comparable accuracy.
• Abstract（参考訳）: 回帰係数に先立って,プロビットリンクとスパイク・アンド・スラブをリンクした二進結果に対するベイズ変数の選択を考察する。 マルコフ連鎖モンテカルロ(MCMC)の高次元状態下での計算課題に触発され,すべての変動因子が閉形式更新を許容する平均場変動ベイズ近似を開発し,その下限の証拠は閉形式で利用可能である。 これにより、効率的な座標上昇変分推論アルゴリズムを開発し、変分パラメータの最適値を求めることができる。 このアプローチは後続の包摂確率とパラメータ推定を生成し、単一のフレームワーク内で解釈可能な選択と予測を可能にする。 シミュレーションおよび実データアプリケーションの両方で示されるように、提案手法は重要な変数の同定に成功し、MCMCよりも桁違いに高速であり、精度は同等である。

関連論文リスト

• Fast Variational Bayes for Large Spatial Data [0.0]
  本稿では,NNGPを用いた大規模地理空間データ解析のための高速変分ベイズ手法であるspVarBayesを紹介する。 自動微分を変分計算、閉形式勾配更新、線形応答補正の組み合わせで置き換え、分散推定を改善した。 シミュレーション実験により,spNNGPに匹敵する精度が得られたが,計算コストの低減が図られ,精度と速度の両面で既存の変分推論手法よりもかなり優れていた。
  論文  参考訳（メタデータ） (2025-07-16T13:59:27Z)
• Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
  サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。 入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。 コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
  論文  参考訳（メタデータ） (2024-04-23T09:22:35Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Robust scalable initialization for Bayesian variational inference with multi-modal Laplace approximations [0.0]
  フル共分散構造を持つ変分混合は、パラメータ数による変動パラメータによる二次的な成長に苦しむ。 本稿では,変分推論のウォームスタートに使用できる初期ガウスモデル近似を構築する方法を提案する。
  論文  参考訳（メタデータ） (2023-07-12T19:30:04Z)
• Manifold Gaussian Variational Bayes on the Precision Matrix [70.44024861252554]
  複雑なモデルにおける変分推論(VI)の最適化アルゴリズムを提案する。 本研究では,変分行列上の正定値制約を満たすガウス変分推論の効率的なアルゴリズムを開発した。 MGVBPはブラックボックスの性質のため、複雑なモデルにおけるVIのための準備が整ったソリューションである。
  論文  参考訳（メタデータ） (2022-10-26T10:12:31Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• A variational inference framework for inverse problems [0.39373541926236766]
  変分ベイズ近似を用いて逆問題モデルに適合するフレームワークを提示する。 この方法論は、幅広いアプリケーションに対する統計モデル仕様への柔軟性を保証する。 バイオメディカルな問題に動機づけられた画像処理アプリケーションとシミュレーションエクササイズは、変分ベイズによって提供される計算上の利点を明らかにする。
  論文  参考訳（メタデータ） (2021-03-10T07:37:20Z)
• Variable selection for Gaussian process regression through a sparse projection [0.802904964931021]
  本稿では,ガウス過程(GP)レグレッションと統合された新しい変数選択手法を提案する。 パラメータの調整と推定の精度を,選択したベンチマーク手法を用いて評価した。
  論文  参考訳（メタデータ） (2020-08-25T01:06:10Z)

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。