损失校准变分贝叶斯的渐近一致性
机器学习
2019-11-05 v1 机器学习
摘要
本文建立了损失校准变分贝叶斯(LCVB)方法的渐近一致性。LCVB在~\cite{LaSiGh2011}中被提出作为一种以“损失感知”方式近似计算贝叶斯后验的方法。该方法论在一般数据驱动的决策环境中也高度相关。在此，我们不仅建立了校准近似后验的渐近一致性，还建立了决策规则的渐近一致性。我们还建立了从“朴素”变分贝叶斯过程获得的决策规则的渐近一致性。
引用
@article{arxiv.1911.01288,
title = {Asymptotic Consistency of Loss-Calibrated Variational Bayes},
author = {Prateek Jaiswal and Harsha Honnappa and Vinayak A. Rao},
journal= {arXiv preprint arXiv:1911.01288},
year = {2019}
}