AN IN-DEPTH LOOK AT HIGHEST POSTERIOR MODEL SELECTION
最高后验概率模型选择的深入考察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：摘要研究一般线性回归中的贝叶斯模型选择，缺乏指定领域细分的直接依据。
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…
最高后验概率模型选择的深入考察
- 研究问题
- 在线性回归的 spike-and-slab 层级下，最高后验概率模型选择即使具有总风险一致性，是否仍存在有限样本欠拟合和先验敏感性？
- 方法与思路
- 作者分析最高后验模型的性质，通过重缩放层级抵消类似 BIC 的惩罚项，并利用其与中位模型的等价关系考察稀疏性及先验影响。
- 材料陈述的贡献
- 摘要称原方法存在明显欠拟合与先验影响，重缩放可缓解欠拟合；稀疏真模型下先验影响较小，并提出用后验均值选择变量以避免相关问题。
- 阅读关注点
- 应核对总风险一致性的定义、重缩放与惩罚抵消机制、最高后验模型和中位模型等价的条件，以及稀疏和非稀疏设定的差异。
- 阅读边界
- 仅据所给 Crossref 摘要，不能将总风险一致性等同于选中真模型；先验影响减弱与后验均值的作用仍需核对条件和具体选择规则。
原文摘要
We consider the properties of the highest posterior probability model in a linear regression setting. Under a spike and slab hierarchy we find that although highest posterior model selection is total risk consistent, it possesses hidden undesirable properties. One such property is a marked underfitting in finite samples, a phenomenon well noted for Bayesian information criterion (BIC) related procedures but not often associated with highest posterior model selection. Another concern is the substantial effect the prior has on model selection. We employ a rescaling of the hierarchy and show that the resulting rescaled spike and slab models mitigate the effects of underfitting because of a perfect cancellation of a BIC-like penalty term. Furthermore, by drawing upon an equivalence between the highest posterior model and the median model, we find that the effect of the prior is less influential on model selection, as long as the underlying true model is sparse. Nonsparse settings are, however, problematic. Using the posterior mean for variable selection instead of posterior inclusion probabilities avoids these issues.