一篇题为“Bayes with No Shame: Admissibility Geometries of Predictive Inference”的新研究论文已发布在arXiv上。该论文由Daniel Zantedeschi撰写,探讨了现代预测系统中的四种与标准相关的几何学,包括Blackwell风险支配、随时有效的容许性、固定水平边际覆盖和基于选择的可接近性。它在这些不同的预测系统类型之间建立了成对不嵌套关系,并分析了各种相干性概念,例如后验预测均值作为鞅以及在某些模型中随时有效的容许性与非负鞅性质的等价性。研究还详细说明了覆盖容许性如何通过可交换性秩进行认证,以及边界可行性如何通过Cesaro转向进行认证,并将这些范式组织在一个受限贝叶斯设计模式中。 AI
影响 这项研究为预测系统奠定了理论基础,可能影响机器学习算法的未来发展。
排序理由 该条目是一篇在arXiv上发表的研究论文,详细介绍了预测推理方面的理论进展。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Bayes with No Shame: Admissibility Geometries of Predictive Inference
- Blackwell
- Capparis
- CatalyzeX
- Core Recommendations for Antifungal Stewardship: A Statement of the Mycoses Study Group Education and Research Consortium
- DagsHub
- Daniel Zantedeschi
- Gotit.pub
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →