SoftBart：软贝叶斯加性回归树
统计方法学
2022-11-01 v1 统计计算
机器学习
摘要
贝叶斯加性回归树（BART）模型近年来作为一种通用非参数建模技术受到越来越多关注。BART 兼具现代机器学习技术的灵活性与贝叶斯推断的严谨不确定性量化，并已被证明 uniquely 适用于解决医学与社会科学等许多科学领域中常见的高噪声问题。本文介绍用于拟合 Linero 与 Yang（2018）所提 Soft BART 算法的 SoftBart 软件包。除提升其他 BART 软件包的预测性能外，该软件包的一大目标是促进将 BART 嵌入更大型模型，使其成为贝叶斯统计研究者的理想工具。我展示了如何将该软件包用于标准预测任务以及如何将 BART 模型嵌入更大型模型；并以 SoftBart 实现非参数 probit 回归模型、半参数变系数模型与部分线性模型作为示例。
引用
@article{arxiv.2210.16375,
title = {SoftBart: Soft Bayesian Additive Regression Trees},
author = {Antonio R. Linero},
journal= {arXiv preprint arXiv:2210.16375},
year = {2022}
}