A Predictive Approach to Model Selection
面向预测的模型选择方法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：摘要讨论通用预测模型选择，没有明确宏观预测、即时预测或金融收益预测的应用对象与数据依据。
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…
关注这篇论文的作者
面向预测的模型选择方法
- 研究问题
- 以预测为目标时，如何结合贝叶斯方法与样本重复使用方法，在不同结构程度及嵌套关系的模型间选择？
- 方法与思路
- 作者综合贝叶斯与样本重复使用思路，讨论高结构模型的预测导向选择，并将类似方法用于低结构模型。
- 材料陈述的贡献
- 摘要称，论文提供上述两类方法的综合视角，讨论嵌套和非嵌套模型选择框架，并给出相应例子。
- 阅读关注点
- 应核对高结构与低结构模型的定义、预测评价标准、样本重复使用方式，以及嵌套与非嵌套比较的处理。
- 阅读边界
- 依据版本未注明的OpenAlex索引摘要；具体选择准则、理论保证与例子细节未说明，不能判断实际预测优势。
原文摘要
This article offers a synthesis of Bayesian and sample-reuse approaches to the problem of high structure model selection geared to prediction. Similar methods are used for low structure models. Nested and nonnested paradigms are discussed and examples given.