用于非参数马尔可夫网络可扩展估计的广义精度矩阵
机器学习
2023-05-22 v1 机器学习
摘要
马尔可夫网络刻画了一组随机变量之间的条件独立结构，或称马尔可夫性质。现有工作聚焦于特定分布族(如指数族)和/或某些图结构，且多数仅能处理单一数据类型(连续或离散)的变量。本工作中，我们用广义精度矩阵(GPM)刻画了所有数据类型(即连续、离散及混合类型)在一般分布下的条件独立结构。此外，我们还允许变量间存在一般函数关系，从而给出了最具一般性设定下的马尔可夫网络结构学习算法。为应对该问题的计算挑战，尤其针对大图情形，我们将所有情况统一纳入同一正则化得分匹配框架之下。我们在理论上验证了结果，并在多种设定下通过实验证明了其可扩展性。
引用
@article{arxiv.2305.11379,
title = {Generalized Precision Matrix for Scalable Estimation of Nonparametric Markov Networks},
author = {Yujia Zheng and Ignavier Ng and Yewen Fan and Kun Zhang},
journal= {arXiv preprint arXiv:2305.11379},
year = {2023}
}
备注
ICLR 2023