用于潜树模型重构的谱邻接连接
机器学习
2020-09-24 v3 机器学习
摘要
多个科学应用中的常见假设是:观测数据的分布可由潜树图模型建模。一个重要例子是系统发育学,其中树建模一组观测生物体的进化谱系。给定树叶子处随机变量的独立实现集合,一个关键挑战是推断底层树拓扑。本工作中我们发展谱邻接连接(SNJ),一种恢复潜树图模型结构的新方法。给定包含全部观测变量对之间相似性度量的矩阵,SNJ计算观测变量组间的凝聚力的谱度量。我们证明SNJ是一致的,并推导出从估计相似性矩阵正确恢复树的充分条件。将该条件与相似性矩阵上的测度集中结果结合,我们界定了以高概率恢复树所需样本数。我们通过广泛模拟说明,相较于几种其他重构方法,SNJ在准确恢复具有大量叶子或长边的树时所需样本更少。
引用
@article{arxiv.2002.12547,
title = {Spectral neighbor joining for reconstruction of latent tree models},
author = {Ariel Jaffe and Noah Amsel and Yariv Aizenbud and Boaz Nadler and Joseph T. Chang and Yuval Kluger},
journal= {arXiv preprint arXiv:2002.12547},
year = {2020}
}