随机块模型交叉验证方法的比较
统计方法学
2016-05-11 v1
摘要
我们引入了一种称为 latinCV 的新型交叉验证方法，并将该方法与使用随机块模型生成的数据的其他模型选择方法进行比较。将 latinCV 与其他交叉验证方法比较，我们表明 latinCV 与 \cite{hoff2008modeling} 中描述的方法表现相似，且 latinCV 比 \cite{chen2014network} 的 NCV 方法具有显著更高的真实模型恢复准确率。我们还表明，这种差异的原因与 NCV 估计的较大方差有关。将 latinCV 与替代模型选择方法比较，我们表明 latinCV 优于信息准则 AIC 和 BIC，以及社区发现方法 infomap 和一种试图最大化模块度的例程。本文的模拟研究包含了随机块模型的一系列网络规模和生成参数，使我们能够考察模型选择准确率与模型规模和复杂性之间的关系。总体而言，latinCV 比所考虑的任何其他模型选择方法执行更准确的模型选择，并更好地避免过拟合。
引用
@article{arxiv.1605.03000,
title = {Comparison of Cross-Validation Methods for Stochastic Block Models},
author = {Beau Dabbs and Brian Junker},
journal= {arXiv preprint arXiv:1605.03000},
year = {2016}
}