多域采样及其在贝叶斯网络结构推断中的应用
统计方法学
2012-03-05 v1 统计计算
摘要
当后验分布具有多个模式时,无条件期望(例如后验均值)可能无法提供对该分布具有信息量的概括。受此问题驱动,我们提出将多模态分布的样本空间分解为各局部模式的吸引域。基于域的表示被定义为对吸引域上的概率质量及条件期望进行概括,这些概括比均值及其他无条件期望更具信息量。我们开发了一种计算方法——多域采样器,用于为任意多模态分布构建基于域的表示。该多域采样器被应用于基于高通量单细胞数据的蛋白质信号网络结构学习,其中信号网络被建模为一个因果贝叶斯网络。我们的方法不仅提供了后验分布的细致景观图景,还提高了所估计网络的准确性与预测能力。
引用
@article{arxiv.1110.3392,
title = {Multi-Domain Sampling With Applications to Structural Inference of Bayesian Networks},
author = {Qing Zhou},
journal= {arXiv preprint arXiv:1110.3392},
year = {2012}
}
备注
39 pages (double space), 3 figures. To appear in JASA