Efficient Bayesian Parameter Estimation in Large Discrete Domains
Efficient Bayesian Parameter Estimation in Large Discrete Domains
复制标题
大型离散域中的高效贝叶斯参数估计
DOI：
--
复制
发表时间：
1998
期刊：
影响因子：
--
通讯作者：
Y. Singer
中科院分区：
文献类型：
--
作者：
N. Friedman;Y. Singer
我们研究了在大量离散结果上估计多项分布参数的问题，其中大多数结果没有出现在训练数据中。我们从贝叶斯的角度分析这个问题，并开发一个分层先验，其中包含观察到的结果仅构成可能结果的一小部分的假设。我们展示了如何有效地执行精确的推理与这种形式的分层先验，并将其与标准方法进行比较。
We examine the problem of estimating the parameters of a multinomial distribution over a large number of discrete outcomes, most of which do not appear in the training data. We analyze this problem from a Bayesian perspective and develop a hierarchical prior that incorporates the assumption that the observed outcomes constitute only a small subset of the possible outcomes. We show how to efficiently perform exact inference with this form of hierarchical prior and compare it to standard approaches.