Логистическая регрессия плотности процесса в Гауссии: обобщенный байесовский подход

arXiv:2606.22915v3 AnnuateType: заменить резюме: регрессия плотности расширяет обычную параметрическую регрессию, позволяя всему распределению реакции гибко варьироваться с ковариатами, а не просто с моментами низких заказов. В Байесовской среде для оценки плотности широко используются приводы логистической гассианской обработки (GP) и естественно распространяются на регрессию плотности. Предыдущая модель может быть сконцентрирована на модели базовой плотности, при этом непараметрический компонент обеспечивает интерпретируемую корректировку, которая полезна для критики моделей. Вместе с тем модели оптимизации логистической плотности GP имеют ограниченное применение, поскольку они требуют расчета нормализующей константы для каждого наблюдения, как правило посредством цифровой интеграции. Мы решим эту проблему, предложив общий байесовский подход с использованием функции потери на основе Hyv\ {a}rinen stim. Hyv\" {a}rinen счёт зависит только от производных плотности log по отношению к ответу, устраняя необходимость вычислить нормальный вид