Log 高斯柯克过程模型的二十种估计方法：面向 R 的 rts2 软件包
统计计算
2024-03-15 v1
摘要
R 软件包 rts2 提供数据操作和 Log 高斯柯克过程 (LGCP) 模型的建模工具。LGCP 模型是疾病及其他类型监测的关键方法，能够基于空间参考且带时间戳的病例数据，预测兴趣区域内的风险。然而，这些模型难以指定且在计算上代价高昂。许多监测场景需要近实时获取结果，以指导和引导政策响应，或由于计算资源有限。目前缺乏针对实时场景的软件实现，能够提供可靠预测并量化不确定性。rts2 软件包提供了多种现代高斯过程近似方法和模型建模方法，以拟合 LGCP，包括使用贝叶斯方法和随机最大似然方法估计协方差参数。软件包提供了一套数据操作工具。我们还提供了一个新颖的实现，用于估计当病例数据聚合到不规则网格（如人口普查区）时的 LGCP。
关键词
引用
@article{arxiv.2403.09448,
title = {Twenty ways to estimate the Log Gaussian Cox Process model with point and aggregated case data: the rts2 package for R},
author = {Samuel I Watson},
journal= {arXiv preprint arXiv:2403.09448},
year = {2024}
}