多元计数时间序列的图估计
机器学习
2023-02-20 v1 机器学习
应用统计
摘要
本文考虑了针对计数数据的偏相关图与因果图选择问题。采用参数驱动广义线性模型来描述所观测的多元计数时间序列。对应于该模型的偏相关图与因果图解释了多元计数数据各时间序列之间的依赖关系。为了以可调稀疏性估计这些图，对适当的似然函数最大化施加了 l1 型约束正则化。提出了一种新颖的 MCEM 算法来迭代求解该正则化 MLE。证明了所提带 l1 型正则化的 MCEM 算法生成的序列的渐近收敛结果。该算法首先在模拟数据上成功测试，随后应用于大孟买市各选区观测的每周登革热病例计数。推断出的偏相关图的边刻画了疾病传播中各个选区的相互依赖关系。另一方面，各选区作为登革热传播源与汇的相对作用，由每个选区发出与入射的有向边的数量及权重来量化。从这些估计的图中观察到，某些特殊选区虽病例计数相对较低，却充当了登革热传播的中心。
引用
@article{arxiv.2302.08801,
title = {Graphical estimation of multivariate count time series},
author = {Sathish Vurukonda and Debraj Chakraborty and Siuli Mukhopadhyay},
journal= {arXiv preprint arXiv:2302.08801},
year = {2023}
}