Каковы преимущества использования randomized maximum likelihood для оптимизации высокой размерности?

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

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