用于分析大学学位课程偏好的贝叶斯非参数 Plackett-Luce 模型
机器学习
2014-08-04 v3 机器学习
统计方法学
摘要
在本文中，我们提出了一种用于聚类偏序数据的贝叶斯非参数模型。我们首先开发了流行的 Plackett-Luce 选择模型的贝叶斯非参数扩展，该模型能够处理无限数量的选择项。我们的框架基于随机原子测度理论，先验由完全随机测度指定。我们刻画了给定数据下的后验分布，并推导了一种简单有效的用于后验模拟的 Gibbs 采样器。随后，我们开发了该模型的 Dirichlet 过程混合扩展，并将其应用于调查爱尔兰中学毕业生对大学学位课程偏好的聚类情况。研究确立了存在对学位课程具有相似偏好的申请者聚类，并确定 tertiary 机构的学科内容和地理位置是表征这些聚类的特征。
引用
@article{arxiv.1211.5037,
title = {Bayesian nonparametric Plackett-Luce models for the analysis of preferences for college degree programmes},
author = {François Caron and Yee Whye Teh and Thomas Brendan Murphy},
journal= {arXiv preprint arXiv:1211.5037},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/14-AOAS717 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)