判别式校准：基于模拟与灵活分类器检验贝叶斯计算
机器学习
2023-10-31 v2 机器学习
统计计算
摘要
为检验贝叶斯计算的准确性，通常使用基于秩的模拟校准（SBC）。然而，SBC存在缺陷：检验统计量较为临时拼凑，交互效应难以考察，多重检验构成挑战，且所得p值并非散度度量。我们提出以灵活分类方法替代边际秩检验，该方法从数据中学习检验统计量。该度量通常比SBC秩检验具有更高的统计功效，并能根据分类准确率给出可解释的失校准散度度量。该方法可与不同数据生成过程配合使用，以应对无似然推断或马尔可夫链蒙特卡洛、变分推断等传统推断方法。我们展示了使用神经网络与受统计启发特征的自动化实现，并通过数值与真实数据实验验证了该方法。
引用
@article{arxiv.2305.14593,
title = {Discriminative calibration: Check Bayesian computation from simulations and flexible classifier},
author = {Yuling Yao and Justin Domke},
journal= {arXiv preprint arXiv:2305.14593},
year = {2023}
}
备注
Published at Neural Information Processing Systems (NeurIPS 2023)