随机划分时间序列的依赖性建模
统计方法学
2021-08-03 v3
摘要
我们考虑对依赖的随机划分序列进行建模的任务。众所周知，贝叶斯非参数中的随机测度诱导了随机划分上的分布。因此，学界一直认为获得依赖随机划分序列的最佳方法是通过建模依赖随机测度。我们认为这种方法存在问题，并表明由依赖贝叶斯非参数先验诱导的随机划分模型即使在随机概率测度序列的依赖是直观的情况下，也表现出反直觉的划分间依赖。因此，当聚类是主要兴趣时，我们主张直接对随机划分序列进行建模。为此，我们发展了一类依赖随机划分模型，显式地对划分序列中的依赖进行建模。我们推导了联合划分模型的条件和边际性质，并设计了在贝叶斯建模中使用该方法时的计算策略。在 temporal 依赖的情况下，我们通过模拟展示了该方法如何产生随时间温和且自然地演化的划分。我们进一步通过将该方法应用于一个表现时空依赖的环境数据集来说明其实用性。
引用
@article{arxiv.1912.11542,
title = {Dependent Modeling of Temporal Sequences of Random Partitions},
author = {Garritt L. Page and Fernando A. Quintana and David B. Dahl},
journal= {arXiv preprint arXiv:1912.11542},
year = {2021}
}