一类基于原子跳过的相依随机分布
统计方法学
2024-01-02 v2 机器学习
摘要
我们提出Plaid Atoms Model (PAM)，一种用于分组数据的新型贝叶斯非参数模型。基于“原子跳过”的思想，PAM属于一类成熟的模型，其在多个组中生成相依随机分布与聚类。原子跳过指的是在无限混合中随机地将0权重分配给原子。跨组部署原子跳过，PAM产生跨组具有重叠与非重叠聚类的相依聚类模式。因此，可进行可解释的 posterior 推断，例如报告某一聚类专属于单一组或与组的子集共享的后验概率。我们讨论了所提模型及相关模型的理论性质。给出了所提模型针对多元或计数数据的微小扩展。模拟研究及使用真实数据集的应用说明了新模型相较现有模型的性能。
引用
@article{arxiv.2304.14954,
title = {A Class of Dependent Random Distributions Based on Atom Skipping},
author = {Dehua Bi and Yuan Ji},
journal= {arXiv preprint arXiv:2304.14954},
year = {2024}
}