低维情形下二元无向图的学习
统计方法学
2024-11-26 v1
摘要
给定从多元伯努利变量(MBV)中抽取的随机样本,我们考虑估计无向图结构的问题,该分布为成对马尔可夫且具指数形式参数向量。我们提出一种简单方法,给出参数向量的闭式估计量,并通过其支撑集同时给出与MBV分布相关的无向图的估计。该估计量被证明是一致的,但仅适用于低维情形。合成示例说明了其相对于文献中代表最优水平(state of the art)的另一种方法的性能。最后,所提过程被用于儿科过敏学领域真实数据集的分析,展示了其实用效率。
引用
@article{arxiv.1907.11033,
title = {Learning binary undirected graph in low dimensional regime},
author = {Daniela De Canditiis},
journal= {arXiv preprint arXiv:1907.11033},
year = {2024}
}
备注
16 pages, 1 figure