分别可交换网络数据的共聚类
统计理论
2014-01-17 v5 社会与信息网络
组合数学
机器学习
统计理论
摘要
本文确立了随机块模型在解决共聚类问题中的性能，该问题旨在将二元数组划分为若干子集，其假设仅为数据由满足分别可交换性条件的非参数过程生成。我们提供了对应于剖面似然最大化和均方误差最小化的收敛率为 的 Oracle 不等式，并表明在此设定下，块模型可被解释为对生成非参数模型的最优分段常数逼近。我们还表明，对于大样本量，在此类数据中检测到共聚类以高概率指示了底层生成过程中存在大小相等且渐近等价连通性的共聚类。
引用
@article{arxiv.1212.4093,
title = {Co-clustering separately exchangeable network data},
author = {David Choi and Patrick J. Wolfe},
journal= {arXiv preprint arXiv:1212.4093},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/13-AOS1173 the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)