在本文中,我们考虑的情况是预测变量的值不可信,而不是目标变量的值可信。
为了简单起见,我们考虑一个带有一个数值预测器的简单线性回归问题。我们将使用正态分布对预测值中的不确定性进行建模。此依赖关系的信念网显示如下:
这里y是观察到的目标,X是观察(但是不可信的预测器),ξ是预测变量的真实但未观察到的值,而θ是线性回归模型的参数。由于ξ未被观察到,我们应该将其边缘化。
这里我们使用了关于联合概率的贝叶斯规则。概率值如下:
在这里,我们再次使用贝叶斯规则,并在ξ上假设平坦。我们引入了一个测量确定性τ。当它是无穷大时,我们确定预测器的值,当它很小时,不确定性很大,变量不可信。