Adaptive Conditional Distribution Estimation with Bayesian Decision Tree Ensembles
基于贝叶斯决策树集成的自适应条件分布估计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：摘要明确以条件分布估计为目标，并应用于个体教育与身体质量指数的分布关系。
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…
基于贝叶斯决策树集成的自适应条件分布估计
- 研究问题
- 在高维预测变量中包含许多无关变量时，如何灵活估计完整条件分布，并适应未知平滑程度而保持可行计算？
- 方法与思路
- 作者以基础模型的拒绝采样构造 BART 条件分布模型，引入针对性平滑，并用数据增广扩展现有采样器。
- 材料陈述的贡献
- 摘要称给出后验在高维稀疏相关情形下自适应接近极小极大最优收缩率的充分条件，并分析教育与身体质量指数的关系。
- 阅读关注点
- 应核对基础分布、先验和针对性平滑的作用、收缩率所需的平滑与稀疏条件，以及教育应用中的条件分布解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，无法判断刊本变化；摘要未列具体收缩条件，教育与身体质量指数的关系不能据此解释为因果效应。
原文摘要
We present a Bayesian nonparametric model for conditional distribution estimation using Bayesian additive regression trees (BART). The generative model we use is based on rejection sampling from a base model. Like other BART models, our model is flexible, has a default prior specification, and is computationally convenient. To address the distinguished role of the response in our BART model, we introduce an approach to targeted smoothing of BART models which is of independent interest. We study the proposed model theoretically and provide sufficient conditions for the posterior distribution to concentrate at close to the minimax optimal rate adaptively over smoothness classes in the high-dimensional regime in which many predictors are irrelevant. To fit our model, we propose a data augmentation algorithm which allows for existing BART samplers to be extended with minimal effort. We illustrate the performance of our methodology on simulated data and use it to study the relationship between education and body mass index using data from the medical expenditure panel survey (MEPS). Supplementary materials for this article are available online.