Nonparanormal：高维无向图的半参数估计
机器学习
2009-03-05 v1
摘要
近期在高维问题中估计实值数据稀疏无向图的方法严重依赖于正态性假设。我们展示了如何使用半参数高斯 Copula（即“nonparanormal”）进行高维推断。正如加性模型通过用一组一维平滑函数替代线性函数来扩展线性模型一样，nonparanormal 通过用平滑函数对变量进行变换来扩展正态分布。我们推导了一种估计 nonparanormal 的方法，研究了该方法的理论性质，并表明它在许多实例中表现良好。
引用
@article{arxiv.0903.0649,
title = {The Nonparanormal: Semiparametric Estimation of High Dimensional Undirected Graphs},
author = {Han Liu and John Lafferty and Larry Wasserman},
journal= {arXiv preprint arXiv:0903.0649},
year = {2009}
}