加性主效应与乘性交互效应模型的变分推断
机器学习
2022-07-04 v1 机器学习
统计方法学
摘要
在植物育种中，基因型与环境（GxE）交互作用的存在对栽培决策和新作物品种的引进有强烈影响。线性项与双线性项的结合已被证明对此类数据建模非常有用。识别 GxE 的广泛使用方法是加性主效应与乘性交互效应（AMMI）模型。然而，由于数据常常是高维的，马尔可夫链蒙特卡洛（MCMC）方法在计算上可能不可行。在本文中，我们考虑此类模型的变分推断方法。我们推导了用于估计参数的变分近似，并使用模拟和真实数据将近似结果与 MCMC 进行比较。我们提出的新推断框架平均快两倍，同时保持与 MCMC 相同的预测性能。
引用
@article{arxiv.2207.00011,
title = {Variational Inference for Additive Main and Multiplicative Interaction Effects Models},
author = {AntÔnia A. L. Dos Santos and Rafael A. Moral and Danilo A. Sarti and Andrew C. Parnell},
journal= {arXiv preprint arXiv:2207.00011},
year = {2022}
}