摘要
我们提出了吸引力印度抖振分布(AIBD),一种受成对相似信息影响的二进制特征矩阵分布。在贝叶斯模型中使用二进制特征矩阵来揭示解释观测数据的潜在变量(即特征)。印度自助餐过程(IBP)是一种流行的潜在特征矩阵的可交换先验分布。然而,在有其他信息的情况下,可互换性假设是不合理或不可取的。AIBD可以合并成对相似性信息,但它保留了IBP的许多属性,包括特征总数的分布。因此,人们对IBP的大部分解释和直觉直接传递到AIBD。温度参数控制相似信息对观测值之间特征共享的影响程度。与用于特征分配的其他非交换分布不同,AIBD的概率质量函数具有易于处理的归一化常数,使用标准MCMC方法直接对超参数进行后验推断。针对IBP和AIBD提出了一种新的后验采样算法。我们证明了AIBD作为特征分配模型中先验分布的可行性,并在仿真和应用中比较了竞争方法的性能。
资金筹措表
这项工作得到了NIH NIGMS R01 GM104972的部分支持。
致谢
作者感谢编辑、副主编和两位匿名审稿人的深刻评论,这些评论极大地改进了这项工作。
引用
下载引文
理查德·沃尔(Richard L.Warr)。
大卫·B·达尔。
杰里米·梅耶(Jeremy M.Meyer)。
阿瑟·路易斯。
“吸引人的印度自助餐分销。”
贝叶斯分析。
17
(3)
931 - 967,
2022年9月。
https://doi.org/10.1214/21-BA1279
问询处
发布日期:2022年9月
欧几里德项目首次提供:2021年7月28日
数字对象标识符:10.1214/21-BA1279
关键词:贝叶斯非参数模型,中餐厅流程,群集,功能分配,印度自助餐流程,潜在特征模型