Sep, 2009

广义线性模型的狄利克雷过程混合模型

PDF
TL;DR提出了一种新的非参数回归方法：Dirichlet Process mixtures of Generalized Linear Models (DP-GLM)，可容纳连续和分类输入以及可以由广义线性模型建模的响应，该文中还给出了 DP-GLM 回归均值函数估计的渐近无偏条件。通过实际数据集分析，与现有回归方法相比，DP-GLM 提供了一个表现良好的单一模型。
dirichlet process mixturesnonparametric regressiongeneralized linear modelsasymptotic unbiasednesscategorical inputs
发现论文，激发创造
  • 使用 Dirichlet 过程混合模型的非线性模型

    我们介绍了一种新的非线性分类模型，使用狄利克雷过程混合对反应变量 y 和协变量 x 的联合分布进行非参数建模，并在混合成分内保持 y 和 x 之间的关系线性。如果混合物包含多个成分，则总体关系变成非线性。我们使用模拟数据来比较这种新方法与简单的多项式逻辑模型 (MNL)、带有二次项的 MNL 模型和决策树模型的性能，并在蛋白折叠分类问题上评估我们的方法，发现我们的模型相对于基于神经网络 (NN) 和支持向量机 (SVM) 的先前方法具有实质性改进。蛋白质折叠类别具有分层结构。我们将我们的方法扩展到分类问题，其中有一个类别分层结构。我们发现，使用关于蛋白折叠分层结构的先前信息可以提高预测准确性。

    Mar, 2007

  • 有监督的层次狄利克雷过程

    该研究提出了一种用于回归问题的监督层次狄利克雷过程模型（sHDP），并与另一种流行的回归模型进行了比较和评估，结果表明该模型适用于实际分类与回归问题中的数据集，并能够通过数据结构和标签联合学习，构建一种可预测性的分类聚类。

    Dec, 2014

  • Dirichlet 过程混合模型的快速搜索

    本文研究了用于密度估计的柏努利处理（DP）混合模型的计算问题，并提出了一种可用于大数据集的搜素算法。

    Jul, 2009

  • ClusterCluster：针对狄利克雷过程混合模型的并行马尔科夫链蒙特卡罗算法

    本文介绍一种新型的 DP 重新参数化方法，该方法在聚类分析中广泛使用，能够实现 DP 的并行学习，从而提高了学习速度和效率，同时该方法不需要改变模型并且能够保持标准后验分布不变。

    Apr, 2013

  • 适应性低复杂度序列推理用于 Dirichlet 过程混合模型

    提出一种适用于在线聚类和参数估计的低复杂度的序列推理过程，通过更新超参数并使用共轭先验假设，提出了易于计算的条件似然函数的闭形式参数化表达式和 Dirichlet 过程的自适应低复杂度设计。实验结果表明该方法优于其他在线最先进的方法。

    Sep, 2014

  • 泊松 - 狄利克雷过程的贝叶斯视角

    本文介绍了 Poisson-Dirichlet 过程及其在 Bayesian 建模中的应用，包括构建离散问题的先验、后验和计算技巧，还介绍了分割、共轭、分形和聚类等特性。

    Jul, 2010

  • 面向分布式数据的狄利克雷过程混合模型可伸缩估计

    在分布式环境中，通过提出一种新的估计方法，允许本地节点创建新元素并通过概率一致性方案合并相应聚类的组件，同时保持估计的一致性，此法可在分布式和异步环境中实现高可扩展性。

    Sep, 2017

  • 带标记泊松过程的混合建模

    本研究提出了一种通用的建模框架，通过结合非参数狄利克雷过程混合模型和非参数或半参数建模，用于标记泊松过程的强度和密度函数建模，包括建议的核函数选取、先验规范和后验模拟等内容，并讨论了模型检验的方法，最后以模拟和真实数据集为例进行了说明。

    Dec, 2010

  • 时间变异狄利克雷过程混合的广义 Polya 小球模型

    本文介绍了一种基于广义 Polya 弹珠模型的时间变化 Dirichlet 过程混合模型，并通过马尔科夫链蒙特卡罗和顺序蒙特卡罗方法进行推断，以此解决了在数据分布随时间变化的情况下使用传统 DPMs 模型不准确的问题。作者在多个应用中验证了该模型。

    Jun, 2012

  • 先验组件数量的混合模型

    使用 Dirichlet 过程混合（DPM）模型可用于推断基因表达数据，同时也可以直接应用于混合的有限混合模型（MFM）中，具有类似的数学性质。

    Feb, 2015