标题： 贝叶斯自适应套索 显示英文标题

标题： Bayesian Adaptive Lasso

摘要： 我们提出了贝叶斯自适应套索（BaLasso）用于线性回归中的变量选择和系数估计。 BaLasso 通过为不同系数采用不同的收缩程度，适应信号水平。 此外，我们通过评估后验条件众数估计值，提供了 BaLasso 的模型选择机制，这受到套索的分层贝叶斯解释的启发。 我们的公式还允许使用模型平均策略进行预测。 我们讨论了这种新方法的其他变体，并提供了一个使用灵活惩罚的变量选择统一框架。 通过广泛的模拟研究和数据分析，展示了该方法的吸引力。 显示英文摘要

摘要： We propose the Bayesian adaptive Lasso (BaLasso) for variable selection and coefficient estimation in linear regression. The BaLasso is adaptive to the signal level by adopting different shrinkage for different coefficients. Furthermore, we provide a model selection machinery for the BaLasso by assessing the posterior conditional mode estimates, motivated by the hierarchical Bayesian interpretation of the Lasso. Our formulation also permits prediction using a model averaging strategy. We discuss other variants of this new approach and provide a unified framework for variable selection using flexible penalties. Empirical evidence of the attractiveness of the method is demonstrated via extensive simulation studies and data analysis.