Lựa chọn mô hình ABC

Nó đã được chỉ ra rằng sự lựa chọn mô hình ABC sử dụng các yếu tố Bayes không được khuyến khích do sự xuất hiện của một lỗi đến từ việc sử dụng số liệu thống kê tóm tắt. Kết luận trong bài viết này dựa trên nghiên cứu về hành vi của một phương pháp phổ biến để tính gần đúng yếu tố Bayes (Thuật toán 2).

Người ta biết rằng các yếu tố Bayes không phải là cách duy nhất để tiến hành lựa chọn mô hình. Có các tính năng khác, chẳng hạn như hiệu suất dự đoán của một mô hình, có thể được quan tâm (ví dụ: quy tắc tính điểm ).

Câu hỏi của tôi là : có một phương pháp, tương tự như Thuật toán 2, để tính gần đúng một số quy tắc tính điểm hoặc các đại lượng khác có thể được sử dụng để tiến hành lựa chọn mô hình về mặt hiệu suất dự đoán trong bối cảnh có khả năng phức tạp không?

Xây dựng câu hỏi tốt đẹp về công việc của chúng tôi ! Bạn có biết về bài viết tiếp theo nơi chúng tôi rút ra các điều kiện về thống kê tóm tắt để đạt được sự thống nhất trong yếu tố Bayes không? Điều này nghe có vẻ quá lý thuyết nhưng hậu quả của kết quả tiệm cận là khá đơn giản:

$T$

1. $T$$i=1,..,I$$\theta_i$$\hat\theta_i(T)$
2. $T$
3. $\mathbb{E}_{\hat\theta_i(T)}[T(X)]$

Quy trình này không có trong phiên bản đầu tiên của bài báo nhưng sẽ sớm xuất hiện trong phiên bản sửa đổi