×

高斯图形模型结构学习的最小最大条件协方差算法。 (英语) Zbl 07260614号

摘要:高斯图形模型为分析连续随机变量之间的线性相关性提供了一个有用的统计框架。在本文中,我们提出了一种学习算法,从观测数据中重建高维高斯随机向量的图结构。该算法由两个条件协方差阈值测试组成,以识别边缘的存在。我们提出了一种称为Min-Max条件协方差的方法来估计测试统计量,并证明了该算法具有较高的计算效率和渐近一致性。通过对合成数据的数值模拟和对外汇数据的实际应用,验证了所提方法的性能。

MSC公司:

62至XX 统计
68倍 计算机科学
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] A.Anandkumar等人,《高维高斯图形模型选择:行走可和性和局部分离准则》,J.Mach。学习。第13号决议(2012年),2293-2337。MR2973603型·Zbl 1433.68322号
[2] G.Bresler、E.Mossel和A.Sly,《从样本重建马尔可夫随机场:近似、随机和组合优化中的一些观察和算法》。算法与技术,施普林格,德国柏林,2008年,343-356。MR2538799号·兹比尔1159.68636
[3] T.Cai,W.Liu,and X.Luo,《稀疏精度矩阵估计的一种受约束的У_1最小化方法》,《美国统计协会期刊》第106期(2011年),第594-607页。MR2847973号·Zbl 1232.62087号
[4] A.Dempster,协方差选择,生物统计学28(1972),157-175。
[5] D.Edwards,《图形建模导论》,施普林格出版社,德国柏林,2000年·Zbl 0952.62003号
[6] J.Friedman、T.Hastie和R.Tibshirani,用图形套索进行稀疏逆协方差估计,生物统计9(3)(2008),432-441·兹比尔1143.62076
[7] P.Koldanov等人,高斯图形模型中条件独立性的统一最强大无偏检验,Stat.Probab。Lett.122(2017),90-95。3584143令吉·Zbl 1463.62170号
[8] C.Lam和J.Fan,《大协方差矩阵估计中的稀疏性和收敛速度》,《Ann.Stat.37(6B)》(2009年),第4254-4278页。MR2572459·Zbl 1191.62101号
[9] S.Lauritzen,《图形模型》,牛津大学出版社,纽约,1996年·Zbl 0907.62001
[10] 刘伟,带假发现率控制的高斯图形模型估计,《统计年鉴》41(2013),2948-2978。MR3161453型·兹比尔1288.62094
[11] N.Meinshausen和P.Buehlmann,《拉索的高维图和变量选择》,《Ann.Stat.34(3)》(2006),1436-1462。MR2278363号·兹比尔1113.62082
[12] C.B.Peterson、F.C.Stingo和M.Vannucci,多个高斯图形模型的贝叶斯推断,J.Am.Stat.Assoc.110(509)(2015),159-174。3338494万令吉·Zbl 1373.62106号
[13] P.Ravikumar等人,《通过最小化惩罚的对数行列式发散来进行高维协方差估计》,《电子杂志》第4期(2011年),935-980。MR2836766号·Zbl 1274.62190号
[14] Z.Ren等人,《大高斯图形模型估计中的渐近正态性和最优性》,《Ann.Stat.43》(2015),991-1026。MR3346695型·Zbl 1328.62342号
[15] T.Sun和C.H.Zhang,用标度套索反演稀疏矩阵,J.Mach。学习。第14号决议(2013年),3385-3418。3144466万令吉·Zbl 1318.62184号
[16] D.M.Witten、J.H.Friedman和N.Simon,《图形套索的新见解和更快的计算》,J.Compute。图表。统计数据20(4)(2011年),892-900。MR2878953号
[17] Xie Y.,Liu Y.和W.Valdar,多相依高斯图形模型的联合估计及其在小鼠基因组学中的应用,Biometrika103(3)(2016),494-511。3551780马来西亚令吉·Zbl 1506.62323号
[18] 袁明远,林毅,高斯图形模型中的模型选择与估计,生物特征94(1)(2007),19-35。2367824英镑·Zbl 1142.62408号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。