用于子空间收缩的函数马蹄先验
统计方法学
2018-10-01 v3
摘要
我们引入了一种作用于函数空间上的新收缩先验，称为函数马蹄先验，它鼓励向函数的参数类进行收缩。与用于参数模型的其他收缩先验不同，fHS 收缩作用于函数的形状，而不是在模型参数上诱导稀疏性。我们通过展示函数上的自适应后验集中性质，研究了所提方法的有效性。我们还证明了对函数马蹄先验的收缩参数进行阈值化的模型选择过程的一致性。我们将 fHS 先验应用于非参数可加模型，并将其性能与基于标准马蹄先验和几种惩罚似然方法的过程进行了比较。我们发现，在几个模拟和实际示例中，新过程比其他过程实现了更小的估计误差和更准确的模型选择。本文的补充材料包含额外的模拟和真实数据示例、MCMC 诊断以及理论结果的证明，可在线获取。
引用
@article{arxiv.1606.05021,
title = {Functional Horseshoe Priors for Subspace Shrinkage},
author = {Minsuk Shin and Anirban Bhattacharya and Valen E. Johnson},
journal= {arXiv preprint arXiv:1606.05021},
year = {2018}
}