hyperprior(超先验):在贝叶斯统计中,给“先验分布的参数(超参数)”再指定的先验分布。用于表达我们对先验强度、尺度、方差等超参数的不确定性,从而形成层级贝叶斯模型。
(在不同领域也可能有更具体的用法,但最常见的是上述统计学含义。)
/ˌhaɪpərˈpraɪər/
We put a hyperprior on the variance parameter.
我们给方差参数设定了一个超先验。
In a hierarchical Bayesian model, choosing a weakly informative hyperprior can stabilize inference when data are sparse.
在层级贝叶斯模型中,当数据稀少时,选择一个弱信息的超先验有助于稳定推断结果。
由 **hyper-**(“更高层级的、超出……的”)+ prior(“先验”)构成,字面意思是“先验之上的先验”。在层级建模中,先验的参数需要再被建模,于是引入“超先验”这一概念。