贝叶斯空间模型中的联合逐组离标交叉验证
统计方法学
2025-04-23 v1
摘要
交叉验证（Cross-validation，CV）是一种基于对不同数据子集进行多次模型拟合来评估预测性能的广泛使用的方法。CV适用于广泛的统计情境。然而，在数据不可交换的情况下，CV方案的设计应考虑数据内部可能存在的相关结构。CV方案的设计包括左离组块的选择以及用于评估预测性能的评分函数的选择。本文聚焦于两种评分策略应用于具有高斯协方差结构的空间模型的块式CV。我们通过多个实验，探讨了是否通过对左离组观测块的联合评估（而非聚合单个（点）预测），可以提高模型选择性能。扩展于最近针对具有序列相关性的数据（如时间序列数据）的研究发现，联合评分可降低CV估计的变动性，从而在空间相关性强烈且模型差异细微的情况下实现更可靠的模型选择。
引用
@article{arxiv.2504.15586,
title = {Joint leave-group-out cross-validation in Bayesian spatial models},
author = {Alex Cooper and Aki Vehtari and Catherine Forbes},
journal= {arXiv preprint arXiv:2504.15586},
year = {2025}
}