Bayesovské prístupy k zmršťovaniu a riedkemu odhadu

Pôvodný názov:

Bayesian Approaches to Shrinkage and Sparse Estimation

Obsah knihy:

Bayesian Approaches to Shrinkage and Sparse Estimation uvádza čitateľa do sveta bayesovského určovania modelov prostredníctvom prehľadu moderných algoritmov a metodík výberu zmenšenia a premenných.

Bayesovské odvodzovanie je prirodzený pravdepodobnostný rámec na kvantifikáciu neistoty a učenie sa o parametroch modelu a táto vlastnosť je obzvlášť dôležitá pre odvodzovanie v moderných modeloch s veľkými rozmermi a zvýšenou zložitosťou. Autori začínajú s lineárnou regresiou, aby zaviedli rôzne triedy priorov, ktoré vedú k zmenšeniu/sparse odhadom porovnateľným s populárnymi penalizovanými odhadmi vierohodnosti (napr.

ridge, LASSO). Skúmajú rôzne metódy presného a približného odvodzovania a diskutujú o ich výhodách a nevýhodách. Nakoniec skúmajú, ako sa dajú priory vyvinuté pre jednoduché regresné prostredie jednoducho rozšíriť na rôzne triedy zaujímavých ekonometrických modelov.

Uvažuje sa najmä o nasledujúcich prípadových štúdiách, ktoré demonštrujú aplikáciu bayesovských stratégií zmršťovania a výberu premenných v populárnych ekonometrických kontextoch: i) vektorové autoregresné modely; ii) faktorové modely; iii) regresie s časovo premenlivými parametrami; iv) výber zmätočníkov v modeloch s účinkami liečby; a v) kvantilové regresné modely. Balík MATLAB a sprievodná technická príručka umožňujú čitateľovi zopakovať mnohé algoritmy opísané v tomto prehľade.