人称心理高斯过程
机器学习
2024-07-09 v1 机器学习
摘要
我们基于高斯过程共轰模型开发了一种新型测量框架，以解决心理计量学中长期存在的争议：心理特征如人格在群体中是否共享相同的结构，是否为个体独特，或两者的某种组合。我们提出了人称心理高斯过程（IPGP）框架，这是一种介于两者之间的模型，既能容纳群体中共享的特征结构，又能容纳针对个体的“人称”偏差。IPGP 利用高斯过程共轰模型处理电池式响应的分组性质，但调整以适应非高斯序数数据。我们进一步利用随机变分推断实现对规模化的个体化建模所必需的潜在因子估计。通过合成数据和真实数据，我们展示了 IPGP 在预测实际响应和估计个体化因子结构方面相对于现有基准方法的改进。在第三项研究中，我们表明 IPGP 还能在真实数据中识别出人格分类学的独特聚类，显示出在推动心理诊断和治疗的个性化方法方面具有巨大的潜力。
引用
@article{arxiv.2407.04970,
title = {Idiographic Personality Gaussian Process for Psychological Assessment},
author = {Yehu Chen and Muchen Xi and Jacob Montgomery and Joshua Jackson and Roman Garnett},
journal= {arXiv preprint arXiv:2407.04970},
year = {2024}
}
备注
9 pages, 4 figures