面向大数据集的贝叶斯留一交叉验证
机器学习
2020-08-12 v1 机器学习
摘要
模型推断，如模型比较、模型检验和模型选择，是模型开发的重要环节。留一交叉验证（LOO）是评估模型泛化能力的通用方法，但遗憾的是，LOO 难以扩展到大型数据集。我们提出将近似推断技术与按规模比例概率抽样（PPS）相结合，以实现大数据集上的快速 LOO 模型评估。我们提供了理论和实证结果，表明该方法对大数据具有良好的性质。
引用
@article{arxiv.1904.10679,
title = {Bayesian leave-one-out cross-validation for large data},
author = {Måns Magnusson and Michael Riis Andersen and Johan Jonasson and Aki Vehtari},
journal= {arXiv preprint arXiv:1904.10679},
year = {2020}
}
备注
Accepted to ICML 2019. This version is the submitted paper