贝叶斯非参数潜在块模型的分布式MCMC推理
机器学习
2024-02-05 v1 机器学习
统计计算
摘要
在本文中，我们为贝叶斯非参数潜在块模型(DisNPLBM)引入了一种新颖的分布式马尔可夫链蒙特卡洛(MCMC)推理方法，采用了主/从架构。我们的非参数共聚类算法使用潜在多元高斯块分布将观测值和特征划分为分区。行上的工作负载均匀分布在从节点之间，从节点仅与主节点通信，彼此之间不通信。通过实验结果，DisNPLBM展示了其在聚类标签准确性和执行时间方面的影响。此外，我们展示了一个真实用例，将我们的方法应用于基因表达数据的共聚类。代码开源，可在https://github.com/redakhoufache/Distributed-NPLBM获取。
引用
@article{arxiv.2402.01050,
title = {Distributed MCMC inference for Bayesian Non-Parametric Latent Block Model},
author = {Reda Khoufache and Anisse Belhadj and Hanene Azzag and Mustapha Lebbah},
journal= {arXiv preprint arXiv:2402.01050},
year = {2024}
}
备注
Accepted to PaKDD 2024