具有异方差参数模型的贝叶斯加性回归树
统计方法学
2014-02-24 v1
摘要
我们通过将误差方差参数的对数建模为预定义协变量的线性函数，将异方差性引入贝叶斯加性回归树 (BART) 中。在此方案下，原始树求和模型的 Gibbs 采样过程可被轻松修改，且方差模型的参数通过 Metropolis-Hastings 步骤进行更新。我们通过在异方差设置下提供比同方差 BART 更合适的后验预测区间，并展示模型对过拟合的抵抗力，证明了该方法的前景。我们的实现将在即将发布的 R 包 bartMachine 中提供。
引用
@article{arxiv.1402.5397,
title = {Bayesian Additive Regression Trees With Parametric Models of Heteroskedasticity},
author = {Justin Bleich and Adam Kapelner},
journal= {arXiv preprint arXiv:1402.5397},
year = {2014}
}
备注
20 pages, 5 figures