फर्थ लॉजिस्टिक रिग्रेशन वाला मॉडल चयन

Question

एक छोटे से डेटा सेट (में ) है कि मैं के साथ काम कर रहा हूँ, कई चर मुझे दे सही भविष्यवाणी / जुदाई । मैं इस प्रकार समस्या से निपटने के लिए फर्थ लॉजिस्टिक रिग्रेशन का उपयोग करता हूं।$n\sim100$

यदि मैं एआईसी या बीआईसी द्वारा सर्वश्रेष्ठ मॉडल का चयन करता हूं , तो क्या मुझे इन सूचना मानदंड की गणना करते समय प्राथमिकी दंड शब्द को शामिल करना चाहिए?

Comments

क्या आप यह बताना चाहेंगे कि यह अपरिहार्य क्यों है, क्योंकि चर चयन "बहुत अधिक चर, बहुत कम नमूना आकार" समस्या के साथ मदद नहीं करता है?

— फ्रैंक हरेल

जो जितना मिलता है उतना ही बुरा होता है।

— फ्रैंक हरेल

क्या आपने इस बायेसियन इंफेक्शन की समस्या का इलाज किया है? फर्थ लॉजिस्टिक रिग्रेशन पूर्व में जेफरी के साथ एमएपी के बराबर है। आप सीमांत संभावना को विकसित करने के लिए पूरी तरह से लैप्लस सन्निकटन का उपयोग कर सकते हैं - जो कि एक समायोजित बीआईसी (एआईसीसी के समान) की तरह है

— संभाव्यता

@user, क्योंकि इस तरह के चर आमतौर पर केवल कुछ मामलों की भविष्यवाणी करते हैं, और यह अपूरणीय है: उस सेल के लिए सही संभावना 90% के करीब हो सकती है, लेकिन इसमें केवल दो मामलों के साथ, आपको दो बार 81% समय मिलेगा ।

— 12

डाउनलोड कश्मीर और कश्मीर के लिए लिंक (1996) कागज गूगल स्कॉलर, पर पाया bemlar.ism.ac.jp/zhuang/Refs/Refs/kitagawa1996biometrika.pdf

— Alecos पापाडोपौलोस

Answer 1

$n \to \infty$

$$p_y(y) = \int L(\theta; y)\pi(\theta)\mathrm{d} \theta$$ $\hat{\theta}$ । इस प्रकार यह पूर्व की उपेक्षा करता है, लेकिन बाद की जानकारी गायब हो जाती है क्योंकि जानकारी संभावना में केंद्रित होती है।

एक पक्ष की टिप्पणी के रूप में, फर्थ प्रतिगमन यह भी घातीय परिवारों में पहले क्रम के पूर्वाग्रह को हटा देता है।