Глоссарий ИИ
Полный словарь искусственного интеллекта
Информационный критерий отклонения (DIC)
Метрика выбора байесовской модели, оценивающая соответствие модели и одновременно штрафующая за сложность, аналогичная AIC в частотном подходе.
Информационный критерий Ватанабэ-Акаике (WAIC)
Полностью байесовский метод выбора модели, оценивающий ожидаемое расхождение между моделью и реальным порождающим процессом.
Оценка Байеса
Логарифм маргинальной вероятности данных, используемый для ранжирования моделей при байесовском выборе.
Модель с латентным пространством
Класс байесовских моделей, в которых ненаблюдаемые латентные переменные выводятся для объяснения структуры наблюдаемых данных.
Метод MCMC с обратимыми скачками
Продвинутый алгоритм выборки, позволяющий исследовать модели разной размерности для байесовского выбора моделей.
Априорное распределение Зеллнера-Сиоу
Априорное распределение по умолчанию для байесовской линейной регрессии, способствующее выбору разреженных моделей при отборе переменных.
Байесовское усреднение моделей (BMA)
Техника, объединяющая прогнозы нескольких моделей, взвешенные по их апостериорным вероятностям, для повышения надежности выводов.
Апостериорная вероятность модели (PMP)
Вероятность того, что данная модель является истинной порождающей моделью данных, после байесовского обновления на основе наблюдений.
Байесовская перекрестная проверка (BCV)
Метод проверки модели, оценивающий ее прогностическую способность путем разделения данных и сравнения прогнозов с наблюдениями.
Тест отношения Байеса
Процедура принятия решений, основанная на факторе Байеса, для принятия или отклонения нулевой гипотезы в байесовском контексте.
Байесовский отбор переменных
Применение байесовского выбора модели для выявления релевантных предикторов в моделях регрессии.
Априори g
Семейство априорных распределений для байесовских проверок гипотез, контролирующее расстояние между нулевой и альтернативной гипотезами.
Шкала Касса-Рафтери
Стандартизированная интерпретация факторов Байеса по категориям (слабая, умеренная, сильная, очень сильная) для оценки значимости доказательств.
Байесовская непараметрическая модель
Байесовский подход, в котором количество параметров может расти вместе с данными, использующий такие процессы, как процесс Дирихле или гауссовский процесс.
Вариационный метод приближенного вывода
Метод аппроксимации апостериорного распределения для выбора модели, когда точные вычисления невозможны.