依赖多项式模型简易实现：利用 Pólya-Gamma 扩充的棍子分割方法

Jun, 2015

依赖多项式模型简易实现：利用 Pólya-Gamma 扩充的棍子分割方法

Dependent Multinomial Models Made Easy: Stick Breaking with the Pólya-Gamma Augmentation

Scott W. Linderman, Matthew J. Johnson, Ryan P. Adams

TL;DR使用逻辑棒式分解法和泊松 - 伽马增强技术对多项分布进行重新定义，提出具有联合高斯似然的潜在变量，从而利用广泛的高斯模型贝叶斯推断技术，实现对具有相关性的离散数据的建模。

Abstract

Many practical modeling problems involve discrete data that are best represented as draws from multinomial or categorical distributions. For example, nucleotides in a DNA sequence, children's names in a given state and year, and text documents are all commonly modeled with multinomial distributions. In all of these cases, we expect some form of dependency be

multinomial distribution logistic stick-breaking representation pólya-gamma augmentation bayesian inference latent variables

发现论文，激发创造

使用 Polya-Gamma 潜变量进行逻辑回归模型的贝叶斯推断

本文提出了一种新的数据增强策略，基于多项式 Gamma 分布，用于贝叶斯模型中的后验推断。经过实验证明，该方法在回归模型中表现优异，且具有简单、高效等优点。

May, 2012

置换和增强的折弹式贝叶斯多项式回归

提出一种基于随机排列和扩展的 SB 构造来建模分类响应变量，将多项式回归转化为一个二进制随机变量的回归分析，参数是它们对应类别的回归系数，并可以转换为贝叶斯的多项式分类，能够提供概率估计、度量不确定性、增强鲁棒性、产生非线性分类决策边界，并可进行后验模拟。

Dec, 2016

使用数据增强的改进贝叶斯逻辑回归监督主题模型

本文介绍使用正则化常量和 Gibbs 采样算法的辅助泊松 - 伽马变量，增强 PF 主题模型的性能。实证结果表明，该算法可以显著提高预测性能和时间效率

Oct, 2013

非齐次马尔科夫模型的贝叶斯多项伽马数据扩充方法及其在降雨模拟中的应用