基于多项PCA混合模型对计数数据的贪心聚类
统计方法学
2020-07-13 v3
摘要
计数数据在广泛应用中的出现正变得越来越普遍，数据集在规模和维度上都在增长。在此背景下，越来越多的工作致力于构建直接考虑数据离散性质的统计模型。此外，已有研究表明，将降维整合到聚类中可大幅提高性能与稳定性。在本文中，我们依托多项PCA混合模型——一种用于计数数据聚类的混合模型，在文献中亦称为概率聚类-投影模型。该模型与潜在狄利克雷分配模型相关，它提供了主题建模的灵活性，同时能够将每个观测分配到唯一的簇中。我们引入了一种贪心聚类算法，通过混合分类变分期望最大化算法与基于变分下界的分支定界式策略，联合完成推断与聚类。推导了用于模型选择的集成分类似然准则，并通过数值实验的深入研究来评估该方法的性能与鲁棒性。最后，我们与居里研究所医院的专家医师合作，在真实世界应用（解剖病理医学报告的聚类）中说明了后者在定性上的价值。
引用
@article{arxiv.1909.00721,
title = {Greedy clustering of count data through a mixture of multinomial PCA},
author = {Nicolas Jouvin and Pierre Latouche and Charles Bouveyron and Guillaume Bataillon and Alain Livartowski},
journal= {arXiv preprint arXiv:1909.00721},
year = {2020}
}
备注
34 pages, 11 figures, published in : Computational Statistics