×
米切尔·克罗克；威廉·克莱伯；斯蒂芬·贝克尔

基于基本图形Lasso的空间数据稀疏非平稳建模。 （英语） Zbl 07499873号

J.计算。图表。斯达。 30，编号2，375-389（2021）.
摘要：许多现代空间模型将随机变化分量表示为随机系数的基展开。低秩模型、近似谱分解、多分辨率表示、随机偏微分方程和经验正交函数都属于这个基本框架。给定一个特定的基础，随机相关性依赖于系数的灵活建模。在高斯假设下，我们通过参数化精度矩阵为随机系数提出了一个图形模型族。使用惩罚似然框架鼓励精度矩阵的稀疏性——我们将这种方法称为基本图形套索。计算遵循优化最小化（MM）方法，其副产品是与标准图形套索的连接。其结果是一个灵活的非平稳空间模型，适用于具有多种实现的超大数据集。我们将该模型应用于统计气候学中的两个大型异质空间数据集，并恢复物理上敏感的图形结构。此外，该模型在预测交叉验证中与流行的LatticeKrig模型相比具有竞争力，但提高了Akaike信息标准分数和联合预测分布质量的对数分数。

引用于2文件

MSC公司：

62至XX 统计

关键词：

图形拉索；图形模型；空间基函数

软件：

玻璃制品；魁北克；FRK公司；GMRF库；spcov公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Krock}等人，《计算杂志》。图表。Stat.30，No.2，375--389（2021；Zbl 07499873）
全文： DOI程序

参考文献：

[1] Bandyopadhyay，S。；Lahiri，S.N.，“空间数据离散傅里叶变换的渐近性质”，Sankhyá，71，221-259（2009）·Zbl 1193.62164号
[2] O.班纳吉。；El Ghaoui，L。；d’Aspremont，A.，“多变量高斯或二进制数据的稀疏最大似然估计模型选择”，机器学习研究杂志，9485-516（2008）·Zbl 1225.68149号
[3] 班纳吉，S。；Gelfand，A.E。；芬利，A.O。；Sang，H.，“大型空间数据集的高斯预测过程模型，皇家统计学会期刊，B辑，70825-848（2008）·Zbl 1533.62065号 ·文件编号：10.1111/j.1467-9868.2008.00663.x
[4] Barabási，A.-L。；Albert，R.，“随机网络中尺度的出现，科学，286509-512（1999）·Zbl 1226.05223号 ·doi:10.1126/science.286.5439.509
[5] Bien，J。；Tibshirani，R.J.，“协方差矩阵的稀疏估计，生物统计学，98，807-820（2011）·Zbl 1228.62063号 ·doi:10.1093/biomet/asr054
[6] 博林博士。；Lindgren，F.，“嵌套随机偏微分方程生成的空间模型及其在全球臭氧绘图中的应用，应用统计年鉴，5523-550（2011）·Zbl 1235.60075号 ·doi:10.1214/10-AOAS383
[7] 博伊德，S。；Vandenberghe，L.，《凸优化》（2004），纽约：剑桥大学出版社，纽约·Zbl 1058.90049号
[8] 蔡，T。；刘伟。；Luo，X.，“稀疏精度矩阵估计的约束（####）最小化方法”，美国统计协会杂志，106，594-607（2011）·Zbl 1232.62087号 ·doi:10.1198/jasa.2011.tm10155
[9] Chandrasekaran，V。；帕里罗，P.A。；Willsky，A.S.，“Rejoiner:通过凸优化选择潜在变量图形模型，《统计年鉴》，2005-2013年第40期（2012年）·Zbl 1257.62061号 ·doi:10.1214/11-AOS949
[10] 北卡罗来纳州克雷西。；Johannesson，G.，“超大空间数据集的固定秩克里格法”，《皇家统计学会杂志》，B辑，70209-226（2008）·Zbl 05563351号 ·文件编号：10.1111/j.1467-9868.2007.00633.x
[11] 北卡罗来纳州克雷西。；Wikle，C.，《时空数据统计》（2011），新泽西州霍博肯：新泽西州威利·Zbl 1273.62017年
[12] Tajbakhsh，Davanloo，Serhat Aybat，S.，N.和Del Castillo，E.（2014），“将高斯随机场模型拟合到大数据集的稀疏精度矩阵选择”，arXiv编号1405.5576·Zbl 1390.62187号
[13] 丁涛，P。；Le Thi，H.A.，“DC编程的凸分析方法：理论、算法和应用”，越南数学学报，22289-355（1997）·Zbl 0895.90152号
[14] Fattahi，S。；张瑞云。；Sojoudi，S.，“学习大型稀疏图形模型的线性时间算法，IEEE Access，712658-12672（2019）·doi:10.1109/ACCESS.2018.2890583
[15] 弗里德曼，J。；哈斯蒂，T。；Höfling，H。；Tibshirani，R.，“路径坐标优化，应用统计年鉴，1，302-332（2007）·Zbl 1378.90064号 ·doi:10.1214/07-AOAS131
[16] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，“用图形套索进行稀疏逆协方差估计，生物统计学，9432-441（2008）·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
[17] Fuentes，M.，“非平稳空间过程的光谱方法”，《生物特征》，89，197-210（2002）·Zbl 0997.62073号 ·doi:10.1093/biomet/89.1.197
[18] Gneiting，T。；Raftery，A.E.，“严格正确的评分规则、预测和估计”，《美国统计协会杂志》，第102期，第359-378页（2007年）·Zbl 1284.62093号 ·doi:10.1198/0162145000001437
[19] Guhaniyogi，R。；Banerjee，S.，“元克里格：大规模空间数据集的可扩展贝叶斯建模和推理”，Technometrics，60430-444（2018）·doi:10.1080/00401706.2018.1437474
[20] 谢长杰。；Sustik，硕士。；迪伦，I.S。；Ravikumar，P.，“QUIC：稀疏逆协方差估计的二次近似，机器学习研究杂志，15，2911-2947（2014）·Zbl 1319.65048号
[21] 亨特·D·R。；Lange，K.，“MM算法教程，美国统计学家，58，30-37（2004）·doi:10.1198/0003130042836
[22] Katzfush，M.，“海量空间数据集的多分辨率近似，美国统计协会杂志，112201-214（2017）·doi:10.1080/01621459.2015.1123632
[23] Legates，D.R。；Willmott，C.J.，“全球地表气温的平均季节和空间变化，理论和应用气候学，41，11-21（1990）·doi:10.1007/BF00866198
[24] 林格伦，F。；H街。；Lindström，J.，“高斯场和高斯马尔可夫随机场之间的显式联系：随机偏微分方程方法”（作者进行了讨论和回复），《皇家统计学会杂志》，B辑，73423-498（2011）·Zbl 1274.62360号 ·文件编号：10.1111/j.1467-9868.2011.00777.x
[25] Matsuda，Y。；Yajima，Y.，“不规则空间数据的傅里叶分析”，《皇家统计学会杂志》，71，191-217（2009）·Zbl 1231.62169号 ·doi:10.1111/j.1467-9868.2008.00685.x
[26] 明绍森，N。；Bühlmann，P.，“高维图和拉索变量选择，统计年鉴，341436-1462（2006）·Zbl 1113.62082号 ·doi:10.1214/0090536000000281
[27] Nandy，S.、Lim，H.Y.和Maiti，T.（2016），“使用多分辨率结估计非平稳空间协方差矩阵”，技术报告。
[28] Nychka，D。；Schimek，M.G.，《平滑和回归：方法、计算和应用》，空间过程估计作为平滑器，393-424（2000），纽约：威利，纽约·Zbl 1064.62568号
[29] Nychka，D。；Bandyopadhyay，S。；哈姆林，D。；林格伦，F。；Sain，S.，“用于分析大型空间数据集的多分辨率高斯过程模型，计算与图形统计杂志，24579-599（2015）·doi:10.1080/10618600.2014.914946
[30] Nychka，D。；威克尔，C。；Royle，J.A.，“非平稳空间协方差函数的多分辨率模型，统计建模，2315-331（2002）·Zbl 1195.62146号 ·doi:10.191/1471082x02st037oa
[31] Oyler，J.W。；Ballantyne，A。；Jencso，K。；斯威特，M。；Running，S.W.，“使用均质站数据和遥感陆地皮肤温度为相邻美国创建地形每日气温数据集，国际气候学杂志，35，2258-2279（2015）·doi:10.1002/joc.4127
[32] Roweis，S。；Ghahramani，Z.，“线性高斯模型的统一回顾，神经计算，11，305-45（1999）·doi:10.1162/08997669900016674
[33] H街。；Held，L.，统计学和应用概率专著，高斯马尔可夫随机场：理论与应用（2005），佛罗里达州博卡拉顿：Chapman&Hall/CRC，佛罗里达州博卡拉顿·邮编1093.60003
[34] Seber，G.A.F.，《统计学家矩阵手册》（2007），纽约：Wiley-Interscience，纽约
[35] Stein，M.L.，《空间数据插值：克里金的一些理论》（1999），纽约：Springer-Verlag出版社，纽约·Zbl 0924.62100号
[36] Stein，M.L.，“空间数据协方差矩阵低秩近似的局限性，空间统计，8，1-19（2014）·doi:10.1016/j.spasta.2013.06.003
[37] Tipping，M.E.，“稀疏贝叶斯学习和相关向量机”，《机器学习研究杂志》，1211-244（2001）·Zbl 0997.68109号 ·doi:10.1162/15324430152748236
[38] Tropp，J.A.，“机器学习中矩阵集中不等式、基础和趋势介绍”，8，1-230（2015）·Zbl 1391.15071号 ·doi:10.1561/22000048
[39] 袁，M。；Lin，Y.，“高斯图形模型中的模型选择和估计，生物特征，94，19-35（2007）·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
[40] Zhao，T。；李，X。；刘，H。；罗德，K。；Lafferty，J。；Wasserman，L.（2015）
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。