利用直接路径非平衡热力学积分瞄准 Bayes 因子
统计方法学
2017-03-22 v1 机器学习
摘要
用于计算边缘似然的热力学积分（TI）基于从先验分布到后验分布的逆向退火路径。在许多情况下，由此产生的估计量具有较高方差，这尤其源于先验区域。当比较仅在相对较少参数上存在差异的复杂模型时，来自采样波动的固有误差可能会掩盖对数边缘似然估计中的差异。在本文中，我们提出了一种直接瞄准对数 Bayes 因子的热力学积分方案。该方法基于所比较的两个模型的后验分布之间的修正退火路径，从而系统性地避开了高方差的先验区域。我们将该方案与非平衡 TI 的概念相结合，以最小化数值积分带来的离散化误差。在应用于标准基准数据的贝叶斯回归模型以及应用于生物通路推断的复杂分层模型上获得的结果表明，与最先进的 TI 方法相比，估计量方差显著降低。
引用
@article{arxiv.1703.07305,
title = {Targeting Bayes factors with direct-path non-equilibrium thermodynamic integration},
author = {Marco Grzegorczyk and Andrej Aderhold and Dirk Husmeier},
journal= {arXiv preprint arXiv:1703.07305},
year = {2017}
}
备注
Accepted for publication in Computational Statistics, 38 pages, 17 figures