利用主题模型学习季节性浮游植物群落
应用统计
2017-12-13 v2 计算工程、金融与科学
摘要
本工作中，我们提出并演示了一种用于浮游植物群落的概率生成模型。所提模型以一组浮游植物分类单元在时间序列中的计数作为训练数据，并通过学习分类单元间的稀疏共现结构来建模群落。我们的模型是概率性的，其中群落由物种上的概率分布表示，每个时间步由群落上的概率分布表示。该方法采用非参数时空主题模型，在不对群落做强假设的前提下，促使群落形成可解释的数据表示。我们通过该方法提升一个简化回归模型性能的能力，证明了其质量与可解释性。我们表明，简单的线性回归足以从一组朴素选择的环境变量预测由我们的方法学习到的群落分布，进而预测分类单元分布。相比之下，类似的回归模型无法直接或以相同精度通过 PCA 预测分类单元分布。
引用
@article{arxiv.1711.09013,
title = {Learning Seasonal Phytoplankton Communities with Topic Models},
author = {Arnold Kalmbach and Heidi M. Sosik and Gregory Dudek and Yogesh Girdhar},
journal= {arXiv preprint arXiv:1711.09013},
year = {2017}
}