Consistency of Bayes estimators of a binary regression function
二元回归函数贝叶斯估计的一致性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：摘要研究一般二元回归函数的贝叶斯一致性，未涉及选择行为，故不足以归入离散选择。
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
二元回归函数贝叶斯估计的一致性
- 研究问题
- 非参数贝叶斯二元回归是否会过拟合，采用随机跳点阶梯函数的层级先验时，何时能得到频率学派一致性？
- 方法与思路
- 作者先抽取跳点数，再均匀抽取跳点位置和函数值，形成均匀混合先验；相关大偏差问题是其一致性证明的核心。
- 材料陈述的贡献
- 摘要称真实函数可测且不恒等于二分之一、跳点数先验具有无限支撑时，后验集中于真实函数的任意 L1 邻域。
- 阅读关注点
- 应核对数据生成设定、后验集中所采用的概率意义、恒等于二分之一情形的处理，以及大偏差论证的具体作用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未提供收敛速度或过拟合的有限样本表现，结论不能直接推广至其他层级先验。
原文摘要
When do nonparametric Bayesian procedures “overfit”? To shed light on this question, we consider a binary regression problem in detail and establish frequentist consistency for a certain class of Bayes procedures based on hierarchical priors, called uniform mixture priors. These are defined as follows: let ν be any probability distribution on the nonnegative integers. To sample a function f from the prior πν, first sample m from ν and then sample f uniformly from the set of step functions from [0,1] into [0,1] that have exactly m jumps (i.e., sample all m jump locations and m+1 function values independently and uniformly). The main result states that if a data-stream is generated according to any fixed, measurable binary-regression function f0≢1/2, then frequentist consistency obtains: that is, for any ν with infinite support, the posterior of πν concentrates on any L1 neighborhood of f0. Solution of an associated large-deviations problem is central to the consistency proof.