贝叶斯多任务变量选择及其在差异 DAG 分析中的应用
统计方法学
2023-08-15 v2 统计计算
摘要
本文研究贝叶斯多任务变量选择问题，其目标是同时为多个相关数据集选择激活变量。我们提出的方法将 spike-and-slab 先验推广到多个数据集，并证明了其在高维情形下的后验一致性。为计算后验分布，我们基于 Wang 等人（2020）近期提出的“单效应之和（sum of single effects）”模型，提出了一种新颖的变分贝叶斯算法。最后，受生物学中差异基因网络分析的启发，我们将方法推广至多个有向无环图模型的联合学习。模拟研究与真实基因表达数据分析均表明所提方法的有效性。
引用
@article{arxiv.2206.14303,
title = {Bayesian Multi-task Variable Selection with an Application to Differential DAG Analysis},
author = {Guanxun Li and Quan Zhou},
journal= {arXiv preprint arXiv:2206.14303},
year = {2023}
}