用于环境混合物中暴露模式识别的贝叶斯非参数非负矩阵分解
统计方法学
2021-09-28 v1 应用统计
机器学习
摘要
环境健康研究者可能旨在识别代表来源、产品使用或行为的暴露模式，这些来源、产品或行为导致了潜在有害环境化学物质混合暴露。我们提出贝叶斯非参数非负矩阵分解（BN^2MF）作为一种新方法，在模式数量未知先验的情况下识别化学暴露模式。我们对模式载荷与个体得分施加非负连续先验以增强可解释性，并使用一种巧妙的非参数稀疏先验来估计模式数量。我们进一步推导了估计值周围的变分置信区间；这是一项关键进展，因为它量化了模型对估计模式的置信度。这些独特特征不同于该领域现有的模式识别方法，后者受限于用户指定的模式数量、缺乏基于人类理解的模式可解释性，以及缺乏不确定性量化。
引用
@article{arxiv.2109.12164,
title = {Bayesian non-parametric non-negative matrix factorization for pattern identification in environmental mixtures},
author = {Elizabeth A. Gibson and Sebastian T. Rowland and Jeff Goldsmith and John Paisley and Julie B. Herbstman and Marianthi-Anna Kiourmourtzoglou},
journal= {arXiv preprint arXiv:2109.12164},
year = {2021}
}