将专家关于可观测量的意见纳入统计模型——一个通用框架
机器学习
2023-02-14 v1 人工智能
摘要
本文描述了一种通过损失函数将专家关于可观测量的意见纳入模型的方法，该损失函数用于更新先验信念，而非在先验上指定参数。对可观测量进行信息获取可使专家提供其熟悉量的有意义信息，这与对模型参数进行获取形成对比，因为模型参数在得到可观测量之前可能受到与其他参数的相互作用或非线性变换的影响。本文所描述的纳入专家意见的方法的独特之处在于，我们并非指定一个先验以匹配专家对观测量的意见，而是通过损失函数更新模型参数得到后验。该损失函数包含以参数函数形式表达的可观测量，并与通常实现为统计分布的专家意见相关。生成远离专家意见的可观测量的参数会承受更高的损失，从而允许基于模型参数对数据和专家意见的忠实度来估计参数，其相对强度由观测数量与所获信念的精度决定。以这种方式纳入专家意见允许对意见进行灵活指定，并且在许多情况下可使用常用的概率编程软件直接实现。我们通过三个具有不同模型复杂度的实例（包括生存模型、多元正态分布和回归问题）来说明这一点。
引用
@article{arxiv.2302.06391,
title = {Incorporating Expert Opinion on Observable Quantities into Statistical Models -- A General Framework},
author = {Philip Cooney and Arthur White},
journal= {arXiv preprint arXiv:2302.06391},
year = {2023}
}