बेयसियन मॉडल एवरेजिंग

बेयसियन मॉडल एवरेजिंग इस अनिश्चितता को ध्यान में रखता है कि कौन सा मॉडल सही है, सभी उम्मीदवार मॉडलों की भविष्यवाणियों को मिलाकर, उनकी पश्च संभाव्यताओं (posterior probabilities) के आधार पर भारित किया जाता है।

Definition

बेयसियन मॉडल एवरेजिंग उम्मीदवार मॉडलों के एक सेट पर भारित औसत लेकर भविष्यवाणियां और अनुमान लगाता है, जिसमें प्रत्येक मॉडल की डेटा को देखते हुए पश्च संभाव्यता के बराबर भार होता है, जिससे अंतिम उत्तर में मॉडल अनिश्चितता को शामिल किया जाता है।

Scope

यह विषय मॉडल स्पेस पर मॉडल एवरेजिंग के निरूपण, भार के रूप में पश्च मॉडल संभाव्यताओं, मॉडल अनिश्चितता के तहत कैलिब्रेटेड भविष्यवाणी के लिए इसके लाभ, बड़े मॉडल स्पेस की व्यावहारिक चुनौतियों और स्टैकिंग जैसे भविष्य कहनेवाला विकल्पों को शामिल करता है।

Core questions

• पश्च मॉडल संभाव्यताओं का उपयोग करके मॉडलों में भविष्यवाणियों का औसत कैसे निकाला जाता है?
• मॉडल अनिश्चितता के तहत मॉडल एवरेजिंग भविष्य कहनेवाला अंशांकन में सुधार क्यों करता है?
• बड़े या अनंत मॉडल स्पेस को व्यवहार में कैसे संभाला जाता है?
• स्टैकिंग पश्च-संभाव्यता भारण से कैसे भिन्न है?

Key concepts

• पश्च मॉडल संभाव्यता
• मॉडल स्पेस
• मॉडल अनिश्चितता
• भविष्य कहनेवाला एवरेजिंग
• स्टैकिंग
• ओकैम की खिड़की

Key theories

मॉडल स्पेस पर एवरेजिंग

मॉडल इंडेक्स को एक अज्ञात के रूप में मानना, जिसकी अपनी पश्च संभाव्यता होती है, ऐसी भविष्यवाणियां उत्पन्न करता है जो मॉडलों पर एकीकृत होती हैं, जो इस धारणा के तहत कि सच्चा मॉडल सेट में है, भविष्यवाणी के लिए इष्टतम है।

भविष्य कहनेवाला स्टैकिंग

जब कोई भी उम्मीदवार बिल्कुल सही नहीं होता है, तो स्टैकिंग क्रॉस-वैलिडेटेड भविष्य कहनेवाला प्रदर्शन को अधिकतम करने के लिए संयोजन भार चुनता है, जो व्यवहार में अक्सर पश्च-संभाव्यता भारण से बेहतर प्रदर्शन करता है।

Clinical relevance

मॉडल एवरेजिंग जलवायु अनुमान, महामारी विज्ञान पूर्वानुमान और अर्थशास्त्र जैसे क्षेत्रों में अधिक सटीक भविष्य कहनेवाला अनिश्चितता पैदा करता है, जहां एक ही मॉडल के प्रति प्रतिबद्धता वास्तविक अनिश्चितता को कम कर सकती है।

History

बेयसियन मॉडल एवरेजिंग का विकास 1990 के दशक में हुआ और 1999 में होएटिंग और सहयोगियों द्वारा दिए गए ट्यूटोरियल में इसे संश्लेषित किया गया। यह पहचान कि सच्चा मॉडल शायद ही कभी उम्मीदवार सेट में होता है, ने बाद में एक अधिक मजबूत संयोजन विधि के रूप में भविष्य कहनेवाला स्टैकिंग को प्रेरित किया।

Debates

मॉडल-संभाव्यता भारण बनाम स्टैकिंग

जब सभी उम्मीदवार मॉडल गलत होते हैं, तो पश्च-संभाव्यता भार एक ही खराब मॉडल पर केंद्रित हो सकते हैं, इसलिए भविष्यवाणी के लिए मॉडलों के संयोजन के लिए भविष्य कहनेवाला स्टैकिंग को तेजी से पसंद किया जा रहा है।

Key figures

• Adrian Raftery
• David Madigan
• Jennifer Hoeting
• Andrew Gelman

Seminal works

• hoeting1999
• yao2018

Frequently asked questions

केवल एक सर्वश्रेष्ठ मॉडल क्यों नहीं चुना जाता?

एक मॉडल का चयन करने से इस अनिश्चितता को अनदेखा कर दिया जाता है कि कौन सा मॉडल सही है और इससे अति-आत्मविश्वासी भविष्यवाणियां उत्पन्न हो सकती हैं; मॉडलों पर औसत निकालना, या उन्हें स्टैक करना, उस अनिश्चितता को फैलाता है और आमतौर पर भविष्य कहनेवाला अंशांकन में सुधार करता है।