베이esian 변수 선택 및 Swendsen-Wang 알고리즘

다수의 예측 변수가 있는 선형 회귀 모델에서 모델 불확실성을 탐구할 필요성이 베이esian 변수 선택을 위한 마르코프 체인 몬테 카를로 샘플링 알고리즘의 개선을 촉진하였습니다. 현재 사용되는 베이esian 변수 선택 샘플링 알고리즘은 예측 변수들 간에 심각한 다중공선성이 있을 때 성능이 떨어질 수 있습니다. 본 논문에서는 이징 모델을 위한 Swendsen-Wang 알고리즘과의 유사성을 바탕으로 한 새로운 샘플링 방법을 설명하며, 이 방법은 다중공선성이 있는 경우 기존의 샘플링 방식보다 상당한 개선을 제공합니다. 특정 잠재적 예측 변수를 가진 선형 회귀에서 우리는 예측 변수가 포함되거나 제외되는지를 나타내는 이진 매개변수 벡터를 통해 가능한 모델을 인덱싱할 수 있습니다. 이 매개변수의 후방 분포를 이진 공간 필드로 생각함으로써, 이징 모델을 위한 Swendsen-Wang 알고리즘에서 영감을 받은 보조 변수 방법을 사용하여 매개변수 간의 의존성을 보조 변수에 조건부로 줄여 후방에서 샘플링할 수 있습니다. 본 방법의 성능은 시뮬레이션 데이터와 실 데이터 모두에 대해 설명됩니다.