Functional Horseshoe Priors for Subspace Shrinkage.
Functional Horseshoe Priors for Subspace Shrinkage.
复制标题
子空间收缩的功能性马蹄prior。
DOI：
10.1080/01621459.2019.1654875
复制
发表时间：
2020
影响因子：
3.7
通讯作者：
Johnson VE
中科院分区：
文献类型：
--
作者：
Shin M;Bhattachrya A;Johnson VE
我们在函数空间上引入了一个新的收缩先验，称为函数马蹄形先验(FHS)，它鼓励向参数函数类收缩。与参数模型的其他收缩先验不同，FHS收缩作用于函数的形状，而不是导致模型参数的稀疏性。我们通过对函数表现出自适应的后验聚集性来研究所提出的方法的有效性。我们还证明了函数马蹄形先验收缩参数阈值的模型选择过程的一致性。我们将FHS应用于非参数加性模型，并将其性能与基于标准马蹄形先验和几种惩罚似然方法的方法进行了比较。在几个仿真和实例中，我们发现新方法比其他方法获得了更小的估计误差和更准确的模型选择。本文的补充材料包含其他模拟和真实数据示例、MCMC诊断以及理论结果的证明，可在网上获得。
We introduce a new shrinkage prior on function spaces, called the functional horseshoe prior (fHS), that encourages shrinkage towards parametric classes of functions. Unlike other shrinkage priors for parametric models, the fHS shrinkage acts on the shape of the function rather than inducing sparsity on model parameters. We study the efficacy of the proposed approach by showing an adaptive posterior concentration property on the function. We also demonstrate consistency of the model selection procedure that thresholds the shrinkage parameter of the functional horseshoe prior. We apply the fHS prior to nonparametric additive models and compare its performance with procedures based on the standard horseshoe prior and several penalized likelihood approaches. We find that the new procedure achieves smaller estimation error and more accurate model selection than other procedures in several simulated and real examples. The supplementary material for this article, which contains additional simulated and real data examples, MCMC diagnostics, and proofs of the theoretical results, is available online.
登录
查看更多内容
影响因子：
4.5
作者：
Huang J;Horowitz JL;Wei F
通讯作者：
Wei F
高维设置中的贝叶斯模型选择。
影响因子：
3.7
作者：
Johnson VE;Rossell D
通讯作者：
Rossell D
影响因子：
2.5
作者：
HOERL, AE;KENNARD, RW
通讯作者：
KENNARD, RW
影响因子：
4.5
作者：
Ghosal, S;Ghosh, JK;Van der Vaart, AW
通讯作者：
Van der Vaart, AW
影响因子：
4.5
作者：
Bontemps, Dominique
通讯作者：
Bontemps, Dominique