广义贝塔混合高斯分布
统计方法学
2012-03-15 v2 机器学习
摘要
近年来，涌现出丰富多样的收缩先验，它们在处理大规模回归问题方面展现出巨大潜力。一般而言，这些新先验可表示为正态分布的尺度混合，但比传统的柯西和双指数先验具有更复杂的形式和更优越的性质。我们首先通过一种新颖的广义贝塔分布，提出一类新的正态尺度混合，该分布将许多有趣的先验作为特例包含在内。这一包容性框架应有助于比较竞争性先验、考察其性质并揭示它们之间的紧密联系。随后，我们通过所提出的新层次结构，发展了一类变分贝叶斯近似方法，该方法将能更高效地扩展应用于当今常规遇到的真正海量数据集。
引用
@article{arxiv.1107.4976,
title = {Generalized Beta Mixtures of Gaussians},
author = {Artin Armagan and David B. Dunson and Merlise Clyde},
journal= {arXiv preprint arXiv:1107.4976},
year = {2012}
}
备注
Advances in Neural Information Processing Systems 24 edited by J. Shawe-Taylor and R.S. Zemel and P. Bartlett and F. Pereira and K.Q. Weinberger (2011)