具有结构化先验依赖性的贝叶斯弹性网络回归

本文解决了贝叶斯回归模型中的一个局限性，即回归系数的独立性假设。通过引入象限正态分布，作者在贝叶斯弹性网络中实现了结构化的先验依赖性，提供了更大的建模灵活性。本文的贡献在于提供了惩罚优化和回归先验之间的新联系，并开发了一种计算效率高的吉布斯抽样方法来克服不可处理的归一化常数的问题。本文通过模拟和真实世界的数据示例证明了这种方法的优势。

• •解决了贝叶斯回归中独立回归系数的局限性。
• •引入象限正态分布以实现结构化先验依赖性。
• •提供了惩罚优化和回归先验之间的新联系。
• •开发了一种计算效率高的吉布斯抽样方法。
• •通过模拟和实际例子证明了优势。