特征分配、概率函数与颜料盒
概率论
2013-01-30 v2 统计理论
统计理论
摘要
推断数据集聚类的问题一直是贝叶斯分析中大量研究的主题，目前贝叶斯聚类方法已有坚实的数学基础。特别是，数据集划分上的概率分布类已通过多种方式得到刻画，包括可交换划分概率函数（EPPF）和 Kingman 颜料盒。在此，我们发展了一种称为特征分配的聚类问题推广，其中允许每个数据点属于任意非负整数个组，现称为特征或主题。我们为特定类型的特征模型定义并研究了一种“可交换特征概率函数”（EFPF）——类似于聚类背景下的 EPPF。此外，我们引入了一种“特征颜料盒”刻画——类似于聚类中的 Kingman 颜料盒——用于刻画可交换特征模型类。我们进一步给出了具有 EFPF 表示的特征分配子类的刻画。
引用
@article{arxiv.1301.6647,
title = {Feature allocations, probability functions, and paintboxes},
author = {Tamara Broderick and Jim Pitman and Michael I. Jordan},
journal= {arXiv preprint arXiv:1301.6647},
year = {2013}
}
备注
37 pages, 9 figures