基于统计学习理论的对数线性模型选择准则
统计理论
2007-06-13 v1 统计理论
摘要
对数线性模型是描述一组 n 个随机变量之间统计依赖关系的成熟方法。n 元组的观测频率由一个联合概率解释，使得其对数是一个函数之和，其中每个函数尽可能少地依赖于变量。我们利用统计学习理论的非渐近概念，为该类模型得到了一个新的模型选择准则。我们计算了 k 因子对数线性模型类的 VC 维。通过这种方式，我们不仅能够选择具有适当复杂度的模型，而且还能获得关于估计概率分布可靠性的陈述。此外，我们表明在一组具有相同复杂度的模型中选择最佳模型可以写成一个凸优化问题。
引用
@article{arxiv.math/0302079,
title = {Selection Criterion for Log-Linear Models Using Statistical Learning Theory},
author = {Daniel Herrmann and Dominik Janzing},
journal= {arXiv preprint arXiv:math/0302079},
year = {2007}
}
备注
19 pages, no figure, latex