ASBART：加速软贝叶斯加性回归树
机器学习
2023-10-24 v1 机器学习
统计计算
摘要
贝叶斯加性回归树（BART）是一种非参数回归模型，因其灵活性与估计的高精度近年来广受欢迎。软 BART 作为 BART 的一种变体，在实践与理论上均改进了现有的贝叶斯树求和模型。软 BART 的一个瓶颈是其长 MCMC 循环中的缓慢速度。与 BART 相比，在默认设置下其完成计算所需时间多出约 20 倍。我们提出了一种名为加速软 BART（ASBART）的 BART 变体。模拟研究表明，新方法在精度相当的情况下比软 BART 快约 10 倍。我们的代码已开源，可在 https://github.com/richael008/XSBART 获取。
引用
@article{arxiv.2310.13975,
title = {ASBART:Accelerated Soft Bayes Additive Regression Trees},
author = {Hao Ran and Yang Bai},
journal= {arXiv preprint arXiv:2310.13975},
year = {2023}
}