Было показано, что выбор модели ABC с использованием байесовских факторов не рекомендуется из-за наличия ошибки, связанной с использованием сводной статистики. Заключение в этой статье основано на изучении поведения популярного метода аппроксимации байесовского фактора (алгоритм 2).
Хорошо известно, что байесовские факторы - не единственный способ выбора модели. Существуют и другие функции, такие как прогнозирование производительности модели, которые могут представлять интерес (например, правила оценки ).
Мой вопрос : существует ли метод, аналогичный алгоритму 2, для аппроксимации некоторого правила (ей) оценки или других величин, которые можно использовать для выбора модели с точки зрения прогнозирующих характеристик в условиях со сложной вероятностью?