多零膨胀结果的贝叶斯聚类
统计方法学
2024-08-06 v3 应用统计
摘要
若干涉及计数的应用呈现出很大比例的零值（零过剩数据）。此类数据的流行模型是Hurdle模型，它显式建模零计数的概率，同时在正整数上假设抽样分布。我们考虑来自多个计数过程的数据。在此背景下，研究计数模式并相应地对主体进行聚类是有意义的。我们引入一种新颖的贝叶斯非参数方法，用于对多个可能相关的零膨胀过程进行聚类。我们提出零膨胀计数的联合模型，为每个过程指定具有偏移负二项抽样分布的Hurdle模型。在给定模型参数条件下，不同过程假设独立，与传统多元方法相比大幅减少了参数数量。主体特定的零膨胀概率与抽样分布参数通过具有随机分量数的 enriched 有限混合灵活建模。这基于零/非零模式（外聚类）和抽样分布（内聚类）诱导出主体的两级聚类。后验推断通过定制的MCMC方案执行。我们在涉及即时通讯服务WhatsApp使用的应用中展示了所提方法。
引用
@article{arxiv.2205.05054,
title = {Bayesian clustering of multiple zero-inflated outcomes},
author = {Beatrice Franzolini and Andrea Cremaschi and Willem van den Boom and Maria De Iorio},
journal= {arXiv preprint arXiv:2205.05054},
year = {2024}
}