# Байесовский фильтр BKF отбирает признаки с меньшей долей ложных открытий на данных

- Опубликовано: 2026-11-07 17:58 UTC
- Раздел: Цифра и вычисления › Софт и сервисы
- Теги: байесовский фильтр BKF, контроль доли ложных открытий, отбор признаков, метод Монте-Карло по цепям Маркова, e-значение, апостериорная вероятность, отбор переменных, априорные распределения
- Адрес: https://realtech.media/ru/news/rt-227d5525d0b54e2d68b1acdf_bayesovskiy_filtr_bkf/

**Байесовский фильтр BKF контролирует долю ложных открытий при отборе из множества признаков; тесты на синтетических и реальных данных показали более устойчивый отбор.**

![Bayesian knockoff filter selects features with lower FDR on synthetic and real data](https://realtech.media/media/2026/11/b70ee70b41749372.jpg)
*​中華民國總統府, Wikimedia Commons, CC BY 2.0*

Исследователи описали байесовский фильтр на основе переменных-двойников (BKF) — метод отбора важных признаков из большого набора кандидатов с контролем доли ложных открытий. Работа опубликована в Proceedings of the National Academy of Sciences [1]. Процедуру переменных-двойников авторы встроили в байесовскую модель [1].

BKF опирается на точную верхнюю границу апостериорной вероятности нулевой гипотезы. По данным авторов, граница выводится из байесовского свойства «смены знака», которое следует из самой процедуры [1].

Стандартные методы частотной парадигмы обычно создают переменные-двойники один раз, до подгонки модели. В BKF они создаются на каждой итерации метода Монте-Карло по цепям Маркова, что убирает изменчивость, связанную с единственной генерацией [1]. По сравнению с несколькими наборами двойников авторы называют BKF более принципиальным способом учесть дополнительную информацию через априорные распределения в полностью байесовской постановке [1].

Кроме того, авторы разработали версию BKF на основе e-значений, которая теоретически гарантирует контроль частотной доли ложных открытий (FDR) [1]. В численных экспериментах на синтетических и реальных данных BKF показал сопоставимую мощность, более низкую FDR и более устойчивые наборы отобранных признаков, чем существующие методы с переменными-двойниками и байесовские подходы к отбору переменных, сообщили авторы [1].

## Источники

1. [Proceedings of the National Academy of Sciences](https://doi.org/10.1073/pnas.2535745123)

---

Источник: RealTech, realtech.media — https://realtech.media/ru/news/rt-227d5525d0b54e2d68b1acdf_bayesovskiy_filtr_bkf/