Optimal predictive model selection
最优预测模型选择AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及通用贝叶斯预测模型选择，未明确针对宏观变量或金融收益预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
最优预测模型选择
- 研究问题
- 在平方误差损失下，为未来预测选择正态线性模型时，后验概率最高的模型是否最优，变量纳入概率又有何作用？
- 方法与思路
- 作者从贝叶斯预测目标出发研究正态线性模型选择，并考察由后验纳入概率至少为二分之一的变量组成的模型。
- 材料陈述的贡献
- 摘要称，中位概率模型在所研究情形中常是最优预测模型，且它可能不同于整体后验概率最高的模型。
- 阅读关注点
- 应核对预测风险的定义、先验与设计条件，以及中位概率模型取得最优性的具体情形和失效边界。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要以“常常”限定最优性，未给出完整条件，不能解释为无条件规则。
原文摘要
Often the goal of model selection is to choose a model for future prediction, and it is natural to measure the accuracy of a future prediction by squared error loss. Under the Bayesian approach, it is commonly perceived that the optimal predictive model is the model with highest posterior probability, but this is not necessarily the case. In this paper we show that, for selection among normal linear models, the optimal predictive model is often the median probability model, which is defined as the model consisting of those variables which have overall posterior probability greater than or equal to 1/2 of being in a model. The median probability model often differs from the highest probability model.