acebayes：基于近似坐标交换的贝叶斯最优实验设计 R 包
统计计算
2018-12-27 v3
摘要
我们描述了 R 包 acebayes，并演示了其在寻找贝叶斯最优实验设计中的应用。我们采用决策论方法，通过最大化期望效用来寻找最优设计。对于实际问题，寻找贝叶斯最优设计具有挑战性，因为期望效用通常是难以处理的，且设计空间可能是高维的。该包实现了近似坐标交换算法，通过一系列条件一维优化步骤来优化期望效用（或其近似）。在每一步中，使用高斯过程回归模型来近似并随后优化作为单一设计坐标（实验单次运行中某一可控变量的取值）函数的期望效用。除了提供用于具有用户自定义效用函数的定制设计问题的函数外，acebayes 还提供了专门用于寻找常见广义线性和非线性模型设计的函数。该包在可解决问题的复杂度上实现了阶跃式提升，能够为比以往多得多的变量和运行次数找到设计。我们提供了四个复杂程度各异的说明性示例的方法应用教程，其设计目标涵盖参数估计、模型选择和预测。这些示例展示了 acebayes 前所未有的功能。
引用
@article{arxiv.1705.08096,
title = {acebayes: An R Package for Bayesian Optimal Design of Experiments via Approximate Coordinate Exchange},
author = {Antony Overstall and David Woods and Maria Adamou},
journal= {arXiv preprint arXiv:1705.08096},
year = {2018}
}