H-AddiVortes：异方差（贝叶斯）加性 Voronoi 镶嵌

本文介绍了 Heteroscedastic AddiVortes 模型，这是一个贝叶斯非参数回归框架，它使用自适应 Voronoi 镶嵌同时建模响应变量的条件均值和方差。通过对均值采用镶嵌求和法、对方差采用镶嵌乘积法，该模型提供了一种灵活且可解释的手段，以捕捉数据中复杂的、依赖预测变量的关系和异方差模式。这种双层表示即使在多维环境下也能实现精确推断，同时通过高效的马尔可夫链蒙特卡洛（MCMC）采样和共轭先验结构保持计算可行性。我们通过模拟数据集和真实世界数据集阐明了该模型的能力，展示了其捕捉细微方差结构、提供可靠预测不确定性量化，以及突出影响均值响应及其变异性的关键预测变量的能力。实证结果表明，与同方差和异方差替代方案相比，Heteroscedastic AddiVortes 模型在捕捉分布特性方面有显著改进，使其成为各种应用场景下复杂回归问题的稳健工具。