潜空间中的模型批评
机器学习
2018-07-04 v2
摘要
模型批评通常通过评估在拟合模型下生成的复制数据是否看起来与观测数据相似来进行，参见例如 Gelman、Carlin、Stern 和 Rubin [2004, p. 165]。本文提出一种针对潜变量模型的方法：将数据拉回（pull back）到潜变量空间中，并在该空间中进行模型批评。利用模型的结构能够更直接地评估先验与似然中所做的假设。我们以应用于因子分析、线性动力系统和高斯过程的潜空间模型批评实例来演示该方法。
引用
@article{arxiv.1711.04674,
title = {Model Criticism in Latent Space},
author = {Sohan Seth and Iain Murray and Christopher K. I. Williams},
journal= {arXiv preprint arXiv:1711.04674},
year = {2018}
}