一种新颖的两阶段参数估计框架：集成 ABC 与机器学习的 ABC-RF-rejection 算法
统计方法学
2025-07-04 v1
摘要
我们介绍了一种新颖的两阶段参数估计框架，旨在提高涉及复杂、随机或解析上不可求解的动态模型中计算效率。该方法称为 ABC-RF-rejection，将 Approximate Bayesian Computation (ABC) rejection 抽样与 Random Forest (RF) 分类集成，以高效筛选产生与观测数据一致的模拟参数集合。我们使用确定性 SIR 传染病模型和空间显式随机传染病模型评估了该方法的性能。结果表明，ABC-RF-rejection 在计算效率上实现了显著提升，同时保持了与标准 ABC rejection 方法相当的参数推断准确性。最后，我们将该算法应用于估计尼加加拉邦阿乔索格卢地区 cassava brown streak disease (CBSD) 空间传播的参数。
引用
@article{arxiv.2507.02072,
title = {A novel two-stage parameter estimation framework integrating Approximate Bayesian Computation and Machine Learning: The ABC-RF-rejection algorithm},
author = {Renata Retkute and Christopher A. Gilligan},
journal= {arXiv preprint arXiv:2507.02072},
year = {2025}
}
备注
14 pages, 3 figures