配对数据高斯图模型搜索空间的探索
机器学习
2024-04-16 v2 机器学习
神经元与认知
统计方法学
摘要
我们考虑在观测来自两个共享相同变量的相关组的情况下学习高斯图模型的问题。我们关注一类特别适用于配对数据问题的着色高斯图模型。通常，图模型按子模型关系排序，使得搜索空间是一个称为模型包含格的格。我们引入了一种模型之间的新序，称为孪生序。我们证明，嵌入该序后，模型空间是一个格，并且与模型包含格不同，它是分配格。此外，我们提供了计算模型邻居的相关规则。后者比模型包含格中的相同操作更高效，并由此被用于实现更高效的搜索空间探索。这些结果可用于提高贪心与贝叶斯模型搜索过程的效率。在此我们实现了一种逐步向后消除过程，并通过模拟评估其性能。最后，将该过程应用于从 fMRI 数据中学习脑网络，其中两个组分别对应左右半球。
引用
@article{arxiv.2303.05561,
title = {Exploration of the search space of Gaussian graphical models for paired data},
author = {Alberto Roverato and Dung Ngoc Nguyen},
journal= {arXiv preprint arXiv:2303.05561},
year = {2024}
}