2 一个具有极高可能性的真正简单模型的例子将是什么？ 近似贝叶斯计算是一种非常酷的技术，适用于基本上所有随机模型，适用于似然性难以解决的模型（例如，如果您固定了参数但无法通过数值，算法或分析方法来计算似然性，则可以从模型中进行采样）。当向观众介绍近似贝叶斯计算（ABC）时，最好使用一些示例模型，该模型非常简单，但仍然有些有趣，并且具有难以克服的可能性。 一个非常简单的模型仍然有难以解决的可能性，这将是一个很好的例子吗？ 16 bayesian simulation model likelihood abc
4 无可能性的推断-这是什么意思？ 最近，我意识到文学中流传着“无可能性”方法。但是我不清楚推理或优化方法是没有可能性的意味着什么。 在机器学习中，目标通常是使某些参数拟合函数的可能性最大化，例如神经网络上的权重。 那么，无可能性方法的原理到底是什么？为什么像GAN这样的对抗网络却属于这一类呢？ 11 machine-learning deep-learning maximum-likelihood generative-models abc
1 ABC型号选择 已经表明，不建议使用贝叶斯因数选择ABC模型，因为存在使用汇总统计数据产生的错误。本文的结论依赖于一种流行的方法的行为的近似贝叶斯因子（算法2）的研究。 众所周知，贝叶斯因素并不是进行模型选择的唯一方法。还有其他一些功能，例如模型的预测性能，可能会引起关注（例如评分规则）。 我的问题是：是否有一种类似于算法2的方法，可以根据复杂情况下的预测性能，近似一些计分规则或其他可用于进行模型选择的数量？ 11 bayesian model-selection prediction abc