• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IIAI International Congress on Advanced Applied Informatics >Modeling with Insufficient Data to Increase Prediction Stability
【24h】

Modeling with Insufficient Data to Increase Prediction Stability

机译：模拟数据不足以提高预测稳定性

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This article proposes a procedure for small sample regression, systematically using the concept of robust Bayesian inference and a contaminated prior. The approach explores the possible domain of population information and attempts to estimate regression parameters further. A data augmentation step included in the procedure works to enlarge the original small data set by adding new data to it. It follows that when the expectation-maximization (EM) algorithm is used to output the hypothesis, approximating the true (but unobservable) parameters based on the enlarged data set. Both the augmented data set and the maximum likelihood estimate used are generated, based on the implementation of contaminated priors. The experiments show that the proposed procedure can effectively lower the mean squared error when modeling.
机译：本文提出了一种用于小型样本回归的程序，系统地使用强大的贝叶斯推理和污染的污染。该方法探讨了人口信息的可能域，并尝试进一步估计回归参数。过程中包含的数据增强步骤可以通过向其添加新数据来扩大原始的小数据集。因此，当使用期望最大化（EM）算法来输出假设时，近似于基于放大的数据集的真实（但不可受理）参数。基于污染前锋​​的实现，生成了增强数据集和使用的最大似然估计。实验表明，所提出的程序可以在建模时有效降低平均平均误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号