PulseAugur
中
实时 18:22:36
English(EN) An efficient adaptive dimension selection algorithm for multidimensional probit graded response models

新的贝叶斯框架高效选择MGRM的维度

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的自适应贝叶斯维度选择框架，用于多维概率等级反应模型（MGRMs）。这种新方法利用累积有序spike-and-slab（COSS）先验，能够有效地收缩冗余的潜在维度，同时保留活跃的维度。该方法采用Albert--Chib潜在反应增强和Gibbs更新来实现高效的自适应采样器，在模拟研究和现实世界的心理评估数据中，其表现优于传统的固定维度估计和模型选择程序。 AI

影响 该方法可以改进复杂调查和心理数据的分析，可能在AI驱动的行为研究中带来更准确的见解。

排序理由 该集群描述了一篇关于分析有序数据的统计方法的学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的贝叶斯框架高效选择MGRM的维度

报道来源 [2]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    An efficient adaptive dimension selection algorithm for multidimensional probit graded response models

    Multidimensional graded response models (MGRMs) are widely used for analyzing ordinal questionnaire data in psychological and educational assessments. A central challenge in applying these models is determining the number of latent dimensions. Conventional approaches usually fit …

  2. arXiv stat.ML TIER_1 English(EN) · Yu Zhou, Yincai Tang, Bin Lv, Meng Gao ·

    多维概率累积反应模型的高效自适应维度选择算法

    arXiv:2607.17654v1 Announce Type: new Abstract: Multidimensional graded response models (MGRMs) are widely used for analyzing ordinal questionnaire data in psychological and educational assessments. A central challenge in applying these models is determining the number of latent …

相关实体

相关话题