具有高斯过程先验的部分线性模型的贝叶斯序贯实验设计
统计方法学
2022-11-07 v1
摘要
我们研究了在具有高斯过程先验的部分线性模型中，用于估计参数成分的序贯实验设计问题。我们考虑一种主动学习设定，其中实验者自适应地决定收集哪些数据以高效实现其目标。实验者的目标可能各异，例如降低分类错误概率或提高估计数据生成过程参数的准确性。本研究旨在提高估计部分线性模型参数成分的准确性。在某些假设下，部分线性模型的参数成分可被视为因果参数，即平均处理效应（ATE）或平均因果效应（ACE）。我们提出了一种具有高斯过程先验的部分线性模型的贝叶斯序贯实验设计算法，该算法也被视为针对ATE或ACE估计定制的序贯实验设计。我们通过基于合成与半合成数据的数值实验展示了所提方法的有效性。
引用
@article{arxiv.2211.02230,
title = {Bayesian Sequential Experimental Design for a Partially Linear Model with a Gaussian Process Prior},
author = {Shunsuke Horii},
journal= {arXiv preprint arXiv:2211.02230},
year = {2022}
}
备注
6 pages, 2 figures, accepted to Neurips workshop GPSMDMS 2022