高斯先验分布下多项Probit模型的贝叶斯推断
统计方法学
2022-11-29 v1 统计理论
统计计算
机器学习
统计理论
摘要
多项probit（mnp）模型是用于分类数据的基础且广泛应用的回归模型。Fasano与Durante（2022）证明了统一偏正态分布类对若干mnp抽样模型是共轭的。这允许开发蒙特卡洛采样器和精确的变分方法来进行贝叶斯推断。在本文中，我们针对上述结果在一个流行的特例上进行调整：零均值且独立高斯先验下的离散选择mnp模型。这允许获得后验分布参数的简化表达式，以及变分算法的另一种推导，该推导对Fasano与Durante（2022）的基础结果给出了新的理解，并在我们的特定设定中带来计算优势。
引用
@article{arxiv.2206.00720,
title = {Bayesian Inference for the Multinomial Probit Model under Gaussian Prior Distribution},
author = {Augusto Fasano and Giovanni Rebaudo and Niccolò Anceschi},
journal= {arXiv preprint arXiv:2206.00720},
year = {2022}
}