计数时间序列的贝叶斯张量分解
统计方法学
2023-11-13 v1 统计计算
摘要
我们提出了一种基于张量分解的灵活非参数贝叶斯建模框架，用于多元计数数据时间序列。我们的模型可视为具有已知最大阶的无限状态空间马尔可夫链，通过引入适当的潜变量实现非线性序列依赖。或者，我们的模型可视为具有条件独立泊松分布观测的贝叶斯层次模型。关于重要滞后及其复杂交互作用的推断通过MCMC实现。当观测计数较大时，我们基于数据的训练集初始分析，通过两步推断策略处理贝叶斯推断带来的计算复杂性。我们的方法通过仿真实验和真实世界数据分析进行了说明。
引用
@article{arxiv.2311.06076,
title = {Bayesian Tensor Factorisations for Time Series of Counts},
author = {Zhongzhen Wang and Petros Dellaportas and Ioannis Kosmidis},
journal= {arXiv preprint arXiv:2311.06076},
year = {2023}
}