Estimating the Dimension of a Model
模型维度的估计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：摘要仅提供通用模型维度选择理论，没有指向给定的微观、宏观或金融专门方法方向。
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…
关注这篇论文的作者
模型维度的估计
- 研究问题
- 面对若干维度不同的候选模型，如何从贝叶斯决策出发获得模型选择准则，并使其具有超出贝叶斯语境的适用性？
- 方法与思路
- 作者求解不同维度模型之间选择的贝叶斯问题，再分析其渐近展开的主导项，用这些项构造大样本选择依据。
- 材料陈述的贡献
- 摘要称，渐近展开主导项不依赖先验分布，因此可作为贝叶斯语境之外有效的大样本模型选择准则。
- 阅读关注点
- 应核对候选模型范围、展开所需条件及余项控制，区分主导项不依赖先验与有限样本选择完全不依赖先验。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；准则公式、正则条件和选择一致性未说明，不能补入具体定理或刊本变化。
原文摘要
The problem of selecting one of a number of models of different dimensions is treated by finding its Bayes solution, and evaluating the leading terms of its asymptotic expansion. These terms are a valid large-sample criterion beyond the Bayesian context, since they do not depend on the a priori distribution.