最优贝叶斯特征滤波理论
机器学习
2019-09-10 v1 计算机视觉与模式识别
机器学习
摘要
最优贝叶斯特征滤波（OBF）是一种为生物标志物发现而设计的监督式筛选方法。本文中，我们证明 OBF 的两个主要理论性质。第一，在一般贝叶斯模型族下，最优贝叶斯特征选择退化为滤波，当且仅当底层贝叶斯模型假设所有特征相互独立。因此，OBF 是最优的当且仅当假设所有特征相互独立，且 OBF 是在一般贝叶斯框架下至少在一个模型中最优的唯一滤波方法。第二，在独立高斯模型下，OBF 在非常温和的条件下具有一致性，包括数据为非高斯且特征相关的情况。该结果给出了在数据充足时 OBF 保证识别正确特征集的条件，并证明了在其假设不成立的非设计设定中使用 OBF 的合理性。
引用
@article{arxiv.1909.03637,
title = {Theory of Optimal Bayesian Feature Filtering},
author = {Ali Foroughi pour and Lori A. Dalton},
journal= {arXiv preprint arXiv:1909.03637},
year = {2019}
}
备注
51 pages, 5 figures, 6 tables