标题： 使用位置尺度混合先验的自适应非参数贝叶斯推断 显示英文标题

标题： Adaptive nonparametric Bayesian inference using location-scale mixture priors

摘要： 我们研究非参数统计问题中的位置尺度混合先验，包括多元回归、密度估计和分类。 我们表明，如果先验正确构建，可以获得一种自适应率的程序。 特别是，我们表明，如果使用高斯核、逆伽马带宽和高斯混合权重来构建回归函数上的核混合先验，则可以实现自适应。 显示英文摘要

摘要： We study location-scale mixture priors for nonparametric statistical problems, including multivariate regression, density estimation and classification. We show that a rate-adaptive procedure can be obtained if the prior is properly constructed. In particular, we show that adaptation is achieved if a kernel mixture prior on a regression function is constructed using a Gaussian kernel, an inverse gamma bandwidth, and Gaussian mixing weights.