无限树上的快速非参数贝叶斯推断
统计理论
2007-06-13 v1 机器学习
概率论
统计理论
摘要
给定来自未知分布的独立同分布数据，我们考虑预测未来项的问题。一种自适应的密度估计方法是递归地将定义域细分到与数据相适应的适当粒度。贝叶斯学者会对“细分”赋予与数据无关的先验概率，这导致关于无限（多）树的先验。我们针对此类先验，推导出关于数据证据、预测分布、有效模型维数及其他量的一个精确、快速且简明的推断算法。
引用
@article{arxiv.math/0411515,
title = {Fast Non-Parametric Bayesian Inference on Infinite Trees},
author = {Marcus Hutter},
journal= {arXiv preprint arXiv:math/0411515},
year = {2007}
}
备注
8 twocolumn pages, 3 figures