模型误设下高斯过程超参数的交叉验证与极大似然估计
统计理论
2013-06-03 v3 统计理论
摘要
在协方差结构误设的Kriging背景下，本文比较了用于估计协方差超参数的极大似然（ML）与交叉验证（CV）方法。研究采用两步法。首先，处理固定相关函数误设时单一方差超参数的估计情形。引入了基于预测方差的品质准则，并推导了该准则的闭式表达式。结果表明，当相关函数误设时，CV优于ML；而当模型正确设定时，ML是最优的。在第二步中，将第一步的结果推广至相关函数的超参数亦由数据估计的情形。
引用
@article{arxiv.1301.4320,
title = {Cross Validation and Maximum Likelihood estimations of hyper-parameters of Gaussian processes with model misspecification},
author = {François Bachoc},
journal= {arXiv preprint arXiv:1301.4320},
year = {2013}
}
备注
A supplementary material (pdf) is available in the arXiv sources