次序统计量的 Dirichlet 过程混合模型及其在零售分析中的应用
应用统计
2018-09-12 v2
摘要
“大数据”的兴起导致频繁需要处理和存储包含大量高维观测的数据集。由于存储限制，这些观测可能以有损但稀疏的方式记录，信息被压缩到少数被认为是重要的条目中。这导致观测数据中出现信息性缺失。我们的动机应用来自零售分析，其中产品销售行为由每种产品相对于少数主要竞争对手的价格弹性来概括。由于仅观测到前几个条目，所得数据为次序统计量向量。研究兴趣在于刻画产品竞争对手的行为，并根据其竞争在市场中的分布对产品进行聚类。我们开发了用于对次序统计量向量进行建模的非参数贝叶斯方法，该方法使用带有指数 Weibull 核的 Dirichlet 过程混合模型。我们的方法为每个向量的分布提供了额外的灵活性，同时提供了刻画前导条目衰减的参数。我们在交叉弹性系数的零售分析数据集上实现了我们的方法，分析揭示了不同关注产品之间行为的明显类型差异。
引用
@article{arxiv.1805.05671,
title = {Dirichlet Process Mixtures of Order Statistics with Applications to Retail Analytics},
author = {James Pitkin and Gordon Ross and Ioanna Manolopoulou},
journal= {arXiv preprint arXiv:1805.05671},
year = {2018}
}