Total Risk Prior

新的贝叶斯迁移学习方法增强了不确定性量化

研究人员开发了一种新颖的贝叶斯迁移学习方法，该方法解决了现有方法在处理小型或错位源数据集时存在的局限性。所提出的方法为源数据集和目标数据集中的所有参数构建了一个统一的先验分布，从而实现了完全的贝叶斯不确定性量化和模型平均。该框架在转换坐标系中产生了一个贝叶斯 Lasso 变体，提供了计算优势和改进的预测性能，特别是在源数据有限的遗传学应用中，其性能优于 Trans-Lasso 等方法。