基于瑞利商函数的稀疏典型相关分析中的极小极大拟贝叶斯估计
机器学习
2023-11-06 v3 机器学习
统计计算
统计方法学
摘要
典型相关分析（CCA）是一种用于探索数据集间关系的流行统计技术。近年来，稀疏典型向量的估计已成为 CCA 问题一个重要但具挑战性的变体，并有广泛应用。遗憾的是，现有的稀疏典型向量最优速率估计量计算代价高。我们提出一种拟贝叶斯估计过程，不仅达到极小极大估计速率，且易于通过马尔可夫链蒙特卡罗（MCMC）计算。该方法基于 Tan 等（2018），并使用重标度的瑞利商函数作为拟对数似然。然而不同于 Tan 等（2018），我们采用贝叶斯框架，将该拟对数似然与 spike-and-slab 先验结合以正则化推断并促进稀疏性。我们考察了所提方法在连续与截断数据上的经验表现，并证明它优于若干最先进方法。作为应用，我们使用所提方法使临床变量与蛋白质组学数据最大相关，以更好理解 Covid-19 疾病。
引用
@article{arxiv.2010.08627,
title = {Minimax Quasi-Bayesian estimation in sparse canonical correlation analysis via a Rayleigh quotient function},
author = {Qiuyun Zhu and Yves Atchade},
journal= {arXiv preprint arXiv:2010.08627},
year = {2023}
}