面向大型不完全相关数据矩阵的高斯正交潜因子过程
统计方法学
2021-11-30 v3 应用统计
统计计算
摘要
我们引入高斯正交潜因子过程用于建模和预测大型相关数据。为应对计算挑战，我们首先将具有多维输入域的高斯随机场的似然函数分解为具有低维输入的正交分量上的密度之积。连续时间卡尔曼滤波器被实现以高效计算似然函数而无需近似。我们还表明，由于因子过程的先验独立性与正交因子载荷矩阵，因子过程的后验分布是独立的。对于大样本量的研究，我们提出了一种灵活的方式来建模均值，并推导了边际后验分布以解决这些参数采样中的可辨识性问题。模拟与真实数据应用均证实了该方法的优异性能。
引用
@article{arxiv.2011.10863,
title = {Gaussian orthogonal latent factor processes for large incomplete matrices of correlated data},
author = {Mengyang Gu and Hanmo Li},
journal= {arXiv preprint arXiv:2011.10863},
year = {2021}
}