论广泛适用的贝叶斯信息准则的高估问题
统计方法学
2019-08-29 v1 统计理论
机器学习
统计理论
摘要
广泛适用的贝叶斯信息准则（Watanabe, 2013）适用于模型选择问题中的正则模型和奇异模型。该准则倾向于高估对数边际似然。我们识别出了广泛适用的贝叶斯信息准则的一个高估项。对该项的调整给出了对数边际似然渐近展开前两项的渐近无偏估计。在正则模型和奇异模型的数值实验中，该调整比原始准则产生了更小的偏差。
引用
@article{arxiv.1908.10572,
title = {On the overestimation of widely applicable Bayesian information criterion},
author = {Toru Imai},
journal= {arXiv preprint arXiv:1908.10572},
year = {2019}
}
备注
12 pages