Determinantal Priors for Variable Selection A priori basate sul determinante per la scelta delle variabili

Determinantal point processes (DPPs) provide a probabilistic formalism for modeling repulsive distributions over subsets. Such priors encourage diversity between selected items through the introduction of a kernel matrix that determines which items are similar and therefore less likely to appear together. We investigate the usefulness of such priors in the context of spike-and-slab variable selection, where penalizing predictor collinearity may reveal more interesting models. Abstract I processi di punto basati sul determinante (DPP) rappresentano un formalismo probabilistico per modellare distribuzioni su sottoinsemi di tipo repulsivo. Le distribuzioni a priori basate su tali processi favoriscono la diversit tra gli elementi selezionati attraverso l’introduzione di una matrice nucleo che determina quali elementi sono simili e quindi meno probabili da apparire insieme. Si investiga l’utilit di tali a priori nel contesto della selezione di variabili con ricerca stocastica spike-and-slab dove la penalizzazione della collinearit tra predittori pu rivelare modelli pi interessanti.