×
A.穆罕默德。；威特，E.C。

稀疏高斯图形模型中的贝叶斯结构学习。 （英语） 兹比尔1335.62056

贝叶斯分析。 10，第1期，109-138（2015）.
摘要：解码大量变量之间的复杂关系，而观测值相对较少，是科学中的关键问题之一。解决此问题的一种方法是高斯图形建模，它通过基础图中是否存在边来描述变量的条件独立性。本文介绍了一种新的、有效的用于高斯图形模型确定的贝叶斯框架，该框架是基于连续时间出生-死亡过程的跨维马尔可夫链蒙特卡罗（MCMC）方法。我们介绍了该方法的理论和计算细节。它易于实现，并且在计算上对高维图是可行的。我们证明了我们的方法在收敛性、图空间混合和计算时间方面优于其他贝叶斯方法。与频率学习法不同，它为结构学习提供了一种原则性的、实际可行的方法。我们在广泛的模拟数据上说明了该方法的有效性。然后，我们将该方法应用于人类和乳腺基因表达研究的大规模实际应用中，以显示其经验性有用性。此外，我们在R包BDgraph中实现了该方法，该包在http://CRAN.R-project.org/package=BDgraph.

引用于39文件

MSC公司：

2015年1月62日 贝叶斯推断
60J28型 连续时间Markov过程在离散状态空间中的应用
62甲12 多元分析中的估计
62H30型 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统
62A09号 统计学中的图形方法
65立方厘米60 统计中的计算问题（MSC2010）
65二氧化碳 蒙特卡罗方法

关键词：

贝叶斯模型选择；稀疏高斯图形模型；不可分解图；出生-死亡过程；马尔科夫蒙特卡洛；\（G）-威斯哈特

软件：

起重机；空间的；R（右）；BDgraph（BDgraph）；巨大的；玻璃制品；HdBCS公司；ElemStatLearn（电子状态学习）
PDF格式BibTeX公司 XML格式引用
\textit｛A.Mohammadi｝和\textit｛E.C.Wit｝，贝叶斯分析。10，第1号，109--138（2015；Zbl 1335.62056）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Abegaz，F.和Wit，E.（2013年）。重建遗传网络的稀疏时间序列链图形模型〉，《生物统计学》，14（3）：586-599。
[2] Albert，R.和Barabási，A.-L.（2002年）。《复杂网络的统计力学》，《现代物理学评论》，74（1）：47·Zbl 1205.82086号 ·doi:10.1103/RevModPhys.74.47
[3] Atay-Kayis，A.和Massam，H.（2005年）。“计算不可分解高斯图形模型中边际似然的蒙特卡罗方法”，《生物特征识别》，92（2）：317-335·Zbl 1094.62028号 ·doi:10.1093/biomet/92.2.317
[4] Baldi，P.、Brunak，S.、Chauvin，Y.、Andersen，C.A.和Nielsen，H.（2000）。“评估分类预测算法的准确性：概述”，《生物信息学》，16（5）：412-424。
[5] Bhadra，A.和Mallick，B.K.（2013年）。“联合高维贝叶斯变量和协方差选择及其在eQTL分析中的应用”，《生物计量学》，69（2）：447-457·Zbl 1274.62722号 ·doi:10.1111/biom.12021
[6] Cappé，O.、Robert，C.和Rydén，T.（2003）。“可逆跳跃、出生和死亡以及更普遍的连续时间马尔可夫链蒙特卡罗采样器”，《皇家统计学会杂志：B辑（统计方法）》，65（3）：679-700·Zbl 1063.62133号 ·doi:10.1111/1467-9868.00409
[7] Carvalho，C.M.和Scott，J.G.（2009年）。“高斯图形模型中的目标贝叶斯模型选择”，《生物特征识别》，96（3）：497-512·1170.62020兹罗提 ·doi:10.1093/biomet/asp017
[8] Chen，L.、Tong，T.和Zhao，H.（2008）。“考虑eQTL定位中错误发现控制的基因和标记之间的依赖性”，《生物信息学》，24（18）：2015-2022。
[9] Cheng，Y.，Lenkoski，A.等人（2012）。“层次高斯图形模型：超越可逆跳跃”，《电子统计杂志》，6:2309-2331·Zbl 1335.62042号 ·doi:10.1214/12-EJS746
[10] Dahlhaus，R.和Eichler，M.（2003）。《时间序列分析中的因果关系和图形模型》，牛津统计科学系列，115-137。
[11] Dempster，A.（1972年）。《协方差选择》，生物计量学，28（1）：157-175。
[12] Dobra，A.、Lenkoski，A.和Rodriguez，A.（2011年A）。“一般高斯图形模型的贝叶斯推断及其在多元格点数据中的应用”，《美国统计协会杂志》，106（496）：1418-1433·Zbl 1234.62018年 ·doi:10.1198/jasa.2011.tm10465
[13] Dobra，A.、Lenkoski，A.等人（2011年b）。“Copula Gaussian图形模型及其在功能性残疾数据建模中的应用”，《应用统计学年鉴》，5（2A）：969-993·Zbl 1232.62046号 ·doi:10.1214/10-AOAS397
[14] Foygel，R.和Drton，M.（2010年）。“高斯图形模型的扩展贝叶斯信息标准”，收录于Lafferty，J.、Williams，C.K.I.、Shawe-Taylor，J.，Zemel，R.和Culotta，A.（编辑），《神经信息处理系统进展》23，604-612。
[15] Friedman，J.、Hastie，T.和Tibshirani，R.（2008）。“用图形套索进行稀疏逆协方差估计”，《生物统计学》，9（3）：432-441·兹比尔1143.62076 ·doi:10.1093/biostatistics/kxm045
[16] Geyer，C.J.和Möller，J.（1994）。“空间点过程的模拟程序和似然推理”，斯堪的纳维亚统计杂志，359-373·Zbl 0809.62089号
[17] Giudici，P.和Castelo，R.（2003年）。“改进数据挖掘的马尔可夫链蒙特卡罗模型搜索”，《机器学习》，50（1-2）：127-158·Zbl 1050.68120号 ·doi:10.1023/A:10202028934
[18] Giudici，P.和Green，P.（1999）。“可分解图形高斯模型测定”，《生物特征》，86（4）：785-801·Zbl 0940.62019号 ·doi:10.1093/biomet/86.4.785
[19] Green，P.（1995）。“可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定”，《生物特征识别》，82（4）：711-732·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[20] Green，P.J.（2003）。《超维马尔可夫链蒙特卡罗》，牛津统计科学系列，179-198年。
[21] Hastie，T.、Tibshirani，R.和Friedman，J.（2009）。统计学习的要素：数据挖掘、推理和预测，第2卷。斯普林格·Zbl 1273.62005年 ·doi:10.1007/978-0-387-84858-7
[22] Jones，B.、Carvalho，C.、Dobra，A.、Hans，C.、Carter，C.和West，M.（2005年）。“高维图形模型的随机计算实验”，《统计科学》，20（4）：388-400·Zbl 1130.62408号 ·doi:10.1214/088342305000000304
[23] Kullback，S.和Leibler，R.A.（1951年）。“关于信息和充分性”，《数理统计年鉴》，22（1）：79-86·Zbl 0042.38403号 ·doi:10.1214/aoms/1177729694
[24] Labrie，F.、Luu-The，V.、Lin，S.-X.、Claude，L.、Simard，J.、Breton，R.和Bélanger，A.（1997）。“17（β）-羟基类固醇脱氢酶在性类固醇生物学中的关键作用”，类固醇，62（1）：148-158。
[25] Lauritzen，S.（1996）。图形模型，第17卷。美国牛津大学出版社·Zbl 0907.62001
[26] Lenkoski，A.（2013）。“G-Wishart变量的直接采样器。”Stat，2（1）：119-128。
[27] Lenkoski，A.和Dobra，A.（2011）。“与G-Wishart先验高斯图形模型中推理相关的计算方面”，《计算与图形统计杂志》，20（1）：140-157·doi:10.1198/jcgs.2010.08181
[28] Letac，G.和Massam，H.（2007年）。“可分解图的Wishart分布”，《统计年鉴》，35（3）：1278-1323·Zbl 1194.62078号 ·doi:10.1214/009053600000.1235
[29] Liang，F.（2010）。“具有难以处理的归一化常数的空间模型的双Metropolis-Hastings采样器”，《统计计算与模拟杂志》，80（9）：1007-1022·Zbl 1233.62117号 ·doi:10.1080/00949650902882162
[30] Liu，H.、Roeder，K.和Wasserman，L.（2010年）。“高维图形模型正则化选择的稳定性方法（StARS）”，《神经信息处理系统进展》，1432-1440。
[31] Meinshausen，N.和Bühlmann，P.（2006）。“高维图和用套索选择变量”，《统计年鉴》，34（3）：1436-1462·兹比尔1113.62082 ·doi:10.1214/0090536000000281
[32] Mohammadi，A.和Wit，E.C.（2013年）。BDgraph：基于出生死亡MCMC的图形估计。R包版本2.10。
[33] Muirhead，R.（1982）。多元统计理论方面，第42卷。威利在线图书馆·兹伯利0556.62028
[34] Murray，I.、Ghahramani，Z.和MacKay，D.（2012）。“双顽固分布的MCMC。”arXiv
[35] Pitt，M.、Chan，D.和Kohn，R.（2006年）。“高斯copula回归模型的有效贝叶斯推断”，《生物特征》，93（3）：537-554·Zbl 1108.62027号 ·doi:10.1093/biomet/93.3537
[36] Powers，D.M.（2011）。“评估：从精确性、召回率和F-measure到ROC、信息性、标记性和相关性”，《机器学习技术杂志》，2（1）：37-63。
[37] Preston，C.J.（1976年）。“特殊的出生和死亡过程”，《国际统计研究所公报》，46:371-391。
[38] Ravikumar，P.、Wainwright，M.J.、Lafferty，J.D.等人（2010年）。“使用L1-正则逻辑回归进行高维伊辛模型选择”，《统计年鉴》，38（3）：1287-1319·Zbl 1189.62115号 ·doi:10.1214/09-AOS691
[39] Ripley，B.D.（1977年）。《空间模式建模》，《皇家统计学会杂志》。B系列（方法学），172-212·Zbl 0369.60061号
[40] Roverato，A.（2002年）。“非可分解图的超逆Wishart分布及其在高斯图形模型贝叶斯推断中的应用”，《斯堪的纳维亚统计杂志》，29（3）：391-411·Zbl 1036.62027号 ·doi:10.1111/1467-9469.00297
[41] Schmidt-Ott，K.M.、Mori，K.、Li，J.Y.、Kalandadze，A.、Cohen，D.J.、Devarajan，P.和Barasch，J.（2007年）。“中性粒细胞明胶酶相关脂肪卡林的双重作用”，《美国肾脏病学会杂志》，18（2）：407-413。
[42] Scott，J.G.和Berger，J.O.（2006年）。“贝叶斯多重测试方面的探索”，《统计规划与推断杂志》，136（7）：2144-2162·Zbl 1087.62039号 ·doi:10.1016/j.jspi.2005.08.031
[43] Scutari，M.（2013）。“关于图形建模中使用的先验和后验分布”，贝叶斯分析，8（1）：1-28·兹比尔1329.62145 ·doi:10.1214/13-BA819
[44] Stein，T.、Morris，J.S.、Davies，C.R.、Weber-Hall，S.J.、Duffy，M.-A.、Heath，V.J.、Bell，A.K.、Ferrier，R.K.、Sandilands，G.P.和Gusterson，B.A.（2004）。“小鼠乳腺的退化与免疫级联和急性期反应有关，涉及LBP、CD14和STAT3。”《乳腺癌研究》，6（2）：R75-91。
[45] Stephens，M.（2000年）。“成分数量未知的混合模型的贝叶斯分析——可逆跳跃方法的替代方法”，《统计学年鉴》，28（1）：40-74·Zbl 1106.62316号 ·doi:10.1214/aos/1016120364
[46] Stranger，B.E.，Nica，A.C.，Forrest，M.S.，Dimas，A.，Bird，C.P.，Beazley，C.，Ingle，C.E.，Dunning，M.，Flicek，P.，Koller，D.等人（2007年）。人类基因表达的群体基因组学〉，《自然遗传学》，39（10）：1217-1224。
[47] Wang，H.（2012）。“贝叶斯图形套索模型和有效的后验计算”，《贝叶斯分析》，7（4）：867-886·Zbl 1330.62041号 ·doi:10.1214/12-BA729
[48] - (2014). “放大：图形模型中的随机搜索结构学习。”
[49] Wang，H.和Li，S.（2012）。“G-Wishart先验分布下的有效高斯图形模型确定”，《电子统计杂志》，6:168-198·Zbl 1335.62069号 ·doi:10.1214/12-EJS669
[50] Wang，H.和Pillai，N.S.（2013年）。“关于协方差矩阵估计的一类收缩先验”，《计算与图形统计杂志》，22（3）：689-707·doi:10.1080/10618600.2013.785732
[51] Wit，E.和McClure，J.（2004）。微阵列统计：设计、分析和推断。约翰·威利父子公司·Zbl 1049.62120号 ·doi:10.1002/0470011084
[52] Zhao，P.和Yu，B.（2006）。“关于拉索的模型选择一致性”，《机器学习研究杂志》，7:2541-2563·Zbl 1222.62008年
[53] Zhao，T.、Liu，H.、Roeder，K.、Lafferty，J.和Wasserman，L.（2012）。“R中高维无向图估计的巨大包”，《机器学习研究杂志》，13（1）：1059-1062·Zbl 1283.68311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。