贝叶斯信息在噪声模型与回归模型间的共享提升了弱效应预测
机器学习
2013-10-17 v1 机器学习
摘要
我们考虑在多输出回归设置下对弱效应进行预测，其中协变量预期仅能解释目标变量方差的很小一部分（小于约 1%）。为了促进弱效应的预测，我们通过引入一种在回归模型和噪声模型之间共享信息的新型贝叶斯方法，对模型结构施加约束。通过在贝叶斯降秩回归的框架下引入无限收缩先验和组稀疏性，并利用贝叶斯无限因子模型作为灵活的低秩噪声模型，进一步减少了有效参数数量。在我们的实验中，包含这些创新点的模型在丰富表型数据的基因组预测中优于其他替代方案。特别是，噪声模型与回归模型之间的信息共享显著提高了预测精度。
引用
@article{arxiv.1310.4362,
title = {Bayesian Information Sharing Between Noise And Regression Models Improves Prediction of Weak Effects},
author = {Jussi Gillberg and Pekka Marttinen and Matti Pirinen and Antti J Kangas and Pasi Soininen and Marjo-Riitta Järvelin and Mika Ala-Korpela and Samuel Kaski},
journal= {arXiv preprint arXiv:1310.4362},
year = {2013}
}