Zostało pokazane , że ABC wybór modelu z użyciem czynników Bayesa nie ma być zalecane ze względu na obecność błędu pochodzących z wykorzystaniem statystyk podsumowujących. Wniosek w tym artykule opiera się na badaniu zachowania popularnej metody aproksymacji współczynnika Bayesa (algorytm 2).
Powszechnie wiadomo, że czynniki Bayesa to nie jedyny sposób na dokonanie wyboru modelu. Istnieją inne funkcje, takie jak predykcyjne działanie modelu, które mogą być interesujące (np. Reguły punktacji ).
Moje pytanie brzmi : czy istnieje metoda analogiczna do algorytmu 2 do przybliżenia niektórych reguł punktowania lub innych wielkości, które można wykorzystać do przeprowadzenia wyboru modelu pod względem wydajności predykcyjnej w kontekście o skomplikowanych prawdopodobieństwach?