Преимущества использования Randomized Maximum Likelihood (RML) для оптимизации высокой размерности включают:

• Возможность получать образцы из приближения к апостериорному распределению. 1 Это позволяет решать задачи, для которых в реальных приложениях часто возникает проблема обратной выборки для многомерных байесовских обратных задач. 1
• Использование случайных проекций. 1 Вместо истинного низкоразмерного активного подпространства вместо него применяют случайные проекции (вложения). 1
• Применимость к широкому спектру моделей. 3 RML подходит для линейных, обобщённых линейных и даже сложных нелинейных моделей. 3
• Асимптотическая нормальность. 3 При больших размерах выборки оценки RML примерно нормально распределены, что полезно для построения доверительных интервалов и тестов гипотез. 3