使用 Dirichlet 过程混合的非线性模型
统计理论
2007-05-23 v1 定量方法
统计理论
摘要
我们引入了一种用于分类的新的非线性模型，其中我们使用 Dirichlet 过程混合对非参数地建模响应变量 y 与协变量 x 的联合分布。我们在混合的每一分量内保持 y 与 x 之间的线性关系。若混合包含多于一个分量，则整体关系变为非线性。我们使用模拟数据将该新方法的性能与简单的多项 logit (MNL) 模型、带二次项的 MNL 模型以及决策树模型进行比较。我们还在蛋白质折叠分类问题上评估了我们的方法，发现我们的模型相比先前基于神经网络 (NN) 和支持向量机 (SVM) 的方法有实质性改进。蛋白质的折叠类具有层次结构。我们将方法推广到可用类层次的分类问题。我们发现，使用关于蛋白质折叠层次结构的先验信息可带来更高的预测精度。
关键词
引用
@article{arxiv.math/0703292,
title = {Nonlinear Models Using Dirichlet Process Mixtures},
author = {Babak Shahbaba and Radford M. Neal},
journal= {arXiv preprint arXiv:math/0703292},
year = {2007}
}