基于鬃马先验的贝叶斯非线性子空间收缩
统计方法学
2024-07-25 v1
摘要
在使用贝叶斯非参数回归建模生物响应时，可能存在关于响应形状的先验信息，形式为定义响应一般形状的非线性函数空间。为将此类信息纳入分析，我们发展了一种非线性函数收缩（NLFS）方法，该方法在允许数据暗示替代形状时，将非参数拟合函数统一收缩到非线性函数空间内。该方法将现有的函数收缩方法从线性子空间扩展到非线性函数空间，采用Taylor级数展开并相应更新非线性参数。我们在著名的生物学模型——Hill模型上演示了这一通用方法，并展示了将收缩到组合函数空间（即一个人先验拥有两个或更多非线性函数）的操作是直接的。我们通过合成数据和真实数据演示了这一方法。针对底层MCMC抽样的计算细节已提供，数据与分析均可在线补充材料中获得。
关键词
引用
@article{arxiv.2407.17113,
title = {Bayesian non-linear subspace shrinkage using horseshoe priors},
author = {Julia Christin Duda and Matthew Wheeler},
journal= {arXiv preprint arXiv:2407.17113},
year = {2024}
}