树基变分推断用于泊松对数正态模型
统计方法学
2025-06-27 v4 机器学习
摘要
在研究生态系统时，常常会使用层次树来组织基于近似准则组织实体，如微生物学中的分类、地理学中的社会阶层或零售业务中的产品类型，这些组织方式能够提供有关实体关系的宝贵见解。尽管如此，当前的计数数据模型并未利用这种结构化信息。特别是，广泛使用的泊松对数正态（PLN）模型虽然能够从计数数据中建模实体之间的相互作用，但缺乏将此类层次树结构纳入模型的可能性，限制了其在此类复杂领域的适用性。为此，我们引入PLN-Tree模型作为PLN模型的扩展，专为建模具有层次结构的计数数据而设计。通过整合结构化变分推断技术，我们提出了适配的训练程序并建立了可识别性结果，既增强了理论基础又提高了实际可解释性。在合成数据集和人类肠道菌群数据上的实验表明，使用PLN-Tree在生成方面具有显著优势，展示了诸如微生物学分类等知识图在微生物建模中的实际价值。此外，我们通过展示使用可识别特征进行分类任务的实际效益，呈现了该框架的一种概念验证性意义，凸显了该框架的多样性。
引用
@article{arxiv.2406.17361,
title = {Tree-based variational inference for Poisson log-normal models},
author = {Alexandre Chaussard and Anna Bonnet and Elisabeth Gassiat and Sylvain Le Corff},
journal= {arXiv preprint arXiv:2406.17361},
year = {2025}
}