多响应实验处理的排序
统计方法学
2024-10-24 v1 机器学习
摘要
我们提出了一种概率排序模型，用于识别多响应实验中的最优处理。在当代实践中，处理被应用于个体，目标是同时实现多个理想属性。然而，这些属性往往是相互竞争的，一个属性的最优性无法在不牺牲另一个属性的最优性的情况下实现。通常，我们仍然想知道哪个处理是整体最优的。在我们的框架中，我们首先根据处理等级来制定整体最优性。然后，我们推断出潜在排序，该排序允许我们在给定理想属性的情况下，从最优到最不优报告处理。我们通过仿真和实际数据分析展示了如何在实践中实现推断排序的可靠性。我们采用贝叶斯方法，并推导出相关的马尔可夫链蒙特卡洛算法来将我们的模型拟合到数据。最后，我们讨论了将我们的方法作为基于试验的研究中实验评估标准工具的前景。
引用
@article{arxiv.2410.17604,
title = {Ranking of Multi-Response Experiment Treatments},
author = {Miguel R. Pebes-Trujillo and Itamar Shenhar and Aravind Harikumar and Ittai Herrmann and Menachem Moshelion and Kee Woei Ng and Matan Gavish},
journal= {arXiv preprint arXiv:2410.17604},
year = {2024}
}