特征分配的比较与贝叶斯估计
统计方法学
2022-07-29 v1 统计计算
摘要
特征分配模型假设一种抽样分布，其参数由共享特征导出。贝叶斯模型在特征分配上放置先验分布，通常使用马尔可夫链蒙特卡洛进行模型拟合，从而从后验分布中抽样得到数千个特征分配。基于这些样本，我们提出一种方法以提供潜特征分配的点估计。首先，我们引入FARO损失，它是特征分配之间的一个函数，满足拟度量性质，并允许比较具有不同特征数的特征分配。该损失涉及在所有可能中寻找最优特征排序，但通过将此任务表述为线性分配问题可实现计算可行性。我们还引入FANGS算法，利用可用样本通过最小化后验期望FARO损失的蒙特卡洛估计来获得贝叶斯估计。FANGS可产生马尔可夫链中未访问过的估计。我们对现有方法和我们提出的方法进行了探究。我们的损失函数和搜索算法在R语言的fangs包中实现。
引用
@article{arxiv.2207.13824,
title = {Comparison and Bayesian Estimation of Feature Allocations},
author = {David B. Dahl and Devin J. Johnson and R. Jacob Andros},
journal= {arXiv preprint arXiv:2207.13824},
year = {2022}
}