基于归一化逆高斯权重的贝叶斯混合模型
统计方法学
2025-12-25 v2
摘要
在用于混合模型的贝叶斯推断中，其中未知组件数的混合模型通常采用假设对混合权重和组件数的先验分布的有限混合模型，称为有限混合模型 (MFM)。对于权重的先验分布，狄利克雷分布因其共轭性和计算简单性而被广泛使用，但浓度参数的选择影响组件数的估计。本文聚焦于组件数的估计。我们提出一种基于归一化逆高斯权重的有限混合模型方法，动机类似于使用归一化逆高斯过程代替狄利克雷过程进行无限混合建模。通过引入隐变量，可采用块 Gibbs 抽样进行后验计算，无需使用可逆跳跃算法。通过数值实验和真实数据实例说明了所提方法的性能，包括聚类、密度估计和社区检测。
引用
@article{arxiv.2501.18854,
title = {Bayesian mixture modeling using a mixture of finite mixtures with normalized inverse Gaussian weights},
author = {Fumiya Iwashige and Shintaro Hashimoto},
journal= {arXiv preprint arXiv:2501.18854},
year = {2025}
}
备注
42 pages, 5 figures