熵推断与James-Stein估计量及其在非线性基因关联网络中的应用
机器学习
2009-08-08 v3
摘要
我们提出了一种从小样本数据中有效估计熵和互信息的方法，并将其应用于推断高维基因关联网络的问题。具体而言，我们开发了一种James-Stein型收缩估计量，使得该方法在统计和计算上都非常高效。尽管其形式简单，我们表明，在多种采样场景和数据生成模型中，即使在严重欠采样情况下，它的性能也优于其他八种熵估计方法。我们通过分析大肠杆菌基因表达数据并从基因表达数据中计算基于熵的基因关联网络来说明该方法。我们还提供了一个实现所提出的收缩估计量的计算机程序。
关键词
引用
@article{arxiv.0811.3579,
title = {Entropy inference and the James-Stein estimator, with application to nonlinear gene association networks},
author = {Jean Hausser and Korbinian Strimmer},
journal= {arXiv preprint arXiv:0811.3579},
year = {2009}
}
备注
18 pages, 3 figures, 1 table