Bayesian Model Averaging under Predictor Redundancy via Density-Ratio Posterior Compression
预测变量冗余下基于密度比后验压缩的贝叶斯模型平均
机构 * Department of Mathematics and Statistics（数学与统计学系） ； University of Calgary（卡尔加里大学） ； Eastern Kentucky University（东部 Kentucky 大学）
AI总结 针对预测变量冗余导致后验质量分散的问题，提出通过密度比后验压缩生成硬或软支持区域报告，提供可计算的失真度量、诊断指标和误差界，实现用少量区域替代大量单个支持并保持主要后验信息。
Comments 48 pages, 6 figures. The manuscript uses the JMLR style file. Source code and reproducibility materials are available at https://github.com/lihanqing1997/bayesian-model-averaging-under-predictor-redundancy
