Practical Bayesian model evaluation using leave-one-out cross-validation and WAIC

Leave-one-out cross-validation (LOO) and the widely applicable information criterion (WAIC) are methods for estimating pointwise out-of-sample prediction accuracy from a fitted Bayesian model using the log-likelihood evaluated at the posterior simulations of the parameter values. LOO and WAIC have v...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Statistics and computing Ročník 27; číslo 5; s. 1413 - 1432
Hlavní autoři:	Vehtari, Aki, Gelman, Andrew, Gabry, Jonah
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.09.2017 Springer Nature B.V
Témata:	Artificial Intelligence Bayesian analysis Errors Importance sampling Mathematics and Statistics Probability and Statistics in Computer Science Statistical inference Statistical Theory and Methods Statistics Statistics and Computing/Statistics Programs Stan Widely applicable information criterion (WAIC) Bayesian computation Pareto smoothed importance sampling (PSIS) Leave-one-out cross-validation (LOO) fold cross-validation
ISSN:	0960-3174, 1573-1375
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!