×

大型高斯图形模型的准贝叶斯估计。 (英语) Zbl 1446.62162号

摘要:本文研究高斯图形模型中大精度矩阵的贝叶斯估计。我们开发了一种邻域选择方法的准贝叶斯实现N.明绍森P.Bühlmann先生【Ann.Stat.34,No.3,1436–1462(2006年;Zbl 1113.62082号)]. 该方法产生了一种产品形式的准后验分布,可以通过并行计算进行有效探索。在真精度矩阵的一些限制下,我们证明了谱范数中的拟后验分布以\(O\{s\star\sqrt{ln(p)/n}\}\)的速率收缩,其中\(p\)是图中的节点数\(n\)样本大小,\(s\star\)是由真精度矩阵定义的无向图的最大度。我们开发了一种用于近似计算的马尔可夫链蒙特卡罗算法,其方法如下Y.F.Atchadé[“高维拟后验分布的Moreau-Yosida近似方案”,arXiv e-prints(2015)]。我们使用真实和模拟数据示例说明了该方法。

MSC公司:

62H22个 概率图形模型
62小时12分 多元分析中的估计
62J07型 岭回归;收缩估计器(拉索)
2015年1月62日 贝叶斯推断
2015年1月60日 强极限定理
60G42型 离散参数鞅

软件:

选择性推理
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Atay-Kayis,A。;Massam,H.,计算不可分解高斯图形模型中边际似然的蒙特卡罗方法,生物统计学,92317-335(2005)·Zbl 1094.62028号
[2] Y.F.Attchadé,高维拟后验分布的Moreau-Yosida近似方案,ArXiv e-prints(2015)。;Y.F.Attchadé,高维准后验分布的Moreau-Yosida近似方案,ArXiv e-prints(2015)。
[3] Atchadé,Y.F.,关于一些高维拟后验分布的收缩性质,Ann.Statist。,45, 2248-2273 (2017) ·兹比尔1383.62058
[4] 班纳吉,S。;Ghosal,S.,图形模型中的贝叶斯结构学习,J.多元分析。,136, 147-162 (2015) ·Zbl 1308.62119号
[5] Besag,J.,《晶格系统的空间相互作用和统计分析》,J.R.Stat.Soc.Ser。B、 36192-236(1974)·Zbl 0327.60067号
[6] D.M.Blei,A.Kucukelbir,J.D.McAuliffe,《变分推断:统计学家评论》,ArXiv e-prints(2016)ArXiv:1601.00670;D.M.Blei,A.Kukukelbir,J.D.McAuliffe,《变分推断:统计学家综述》,ArXiv电子指纹(2016),ArXiv:1601.00670
[7] Bühlmann,P。;van de Geer,S.,《高维数据统计》(2011),施普林格:施普林格-海德堡出版社·Zbl 1273.62015年
[8] 卡瓦略,C.M。;新几内亚波尔森。;Scott,J.G.,《稀疏信号的马蹄形估计器》,Biometrika,97,465-480(2010)·Zbl 1406.62021号
[9] 卡斯蒂略,I。;施密特·希伯(Schmidt-Hieber),J。;van der Vaart,A.W.,具有稀疏先验的贝叶斯线性回归,Ann.Statist。,43, 1986-2018 (2015) ·Zbl 1486.62197号
[10] 多布拉,A。;Lenkoski,A。;Rodriguez,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》,J.Amer。统计师。协会,1061418-1433(2011)·Zbl 1234.62018年
[11] Ghosal,S。;Ghosh,J.K。;van der Vaart,A.W.,后验分布的收敛速度,《统计年鉴》。,28500-531(2000年)·Zbl 1105.62315号
[12] Greenfield,A。;Hafemeister,C。;Bonneau,R.,《稳健数据驱动的将先验知识纳入动态调控网络推断》,生物信息学,291060-1067(2013)
[13] 哈斯蒂,T。;Tibshirani,R.J。;Wainwright,M.J.,《稀疏的统计学习:拉索和泛化》(2015),查普曼和霍尔/CRC·Zbl 1319.68003号
[14] Khondker,Z.S。;朱,H。;Chu,H.等人。;Lin,W。;Ibrahim,J.G.,贝叶斯协方差Lasso,《统计接口》,6243-259(2013)·Zbl 1327.62138号
[15] Lenkoski,A。;Dobra,A.,《与G-Wishart先验高斯图形模型中推理相关的计算方面》,J.Compute。图表。统计人员。,20,140-157(2011),在线提供补充材料
[16] C.Li,W.Jiang,基于矩条件的无似然贝叶斯方法的模型选择:理论和数值示例,ArXiv电子版(2014)。;C.Li,W.Jiang,基于矩条件的无似然贝叶斯方法的模型选择:理论和数值示例,ArXiv电子版(2014)。
[17] 明绍森,N。;Bühlmann,P.,高维图与Lasso,Ann.Statist。,341436-1462(2006年)·Zbl 1113.62082号
[18] 穆克吉,S。;Speed,T.P.,使用信息先验的网络推理,Proc。美国国家科学院。科学。美国,105,14313-14318(2008)
[19] Narisetty,N。;He,X.,具有收缩和扩散先验的贝叶斯变量选择,Ann.Statist。,42, 789-817 (2014) ·Zbl 1302.62158号
[20] 帕克,T。;Casella,G.,《贝叶斯拉索》,J.Amer。统计师。协会,103,681-686(2008)·Zbl 1330.62292号
[21] 彭杰。;王,P。;周,N。;朱,J.,联合稀疏回归模型的偏相关估计,J.Amer。统计师。协会,104735-746(2009)·Zbl 1388.62046号
[22] 彼得森,C。;Stingo,F.C。;Vannucci,M.,多高斯图形模型的贝叶斯推断,J.Amer。统计师。协会,110,159-174(2015)·Zbl 1373.62106号
[23] Raskutti,G。;温赖特,M.J。;Yu,B.,相关高斯设计的限制特征值特性,J.Mach。学习。第11号决议,2241-2259(2010年)·Zbl 1242.62071号
[24] 里德,S。;Tibshirani,R.J。;Friedman,J.,拉索回归中误差方差估计的研究,统计学。Sinica,26,35-67(2016)·Zbl 1372.62023号
[25] 罗斯曼,A.J。;Bickel,P.J。;莱维纳,E。;朱,J.,稀疏排列不变协方差估计,电子。J.Stat.,2494-515(2008)·Zbl 1320.62135号
[26] Rudelson,M。;周,S.,从各向异性随机测量重建,IEEE Trans。信息理论。,3434-3447(2013年)·Zbl 1364.94158号
[27] Schreck,A。;G.福特。;勒科尔夫,S。;Moulines,E.,《贝叶斯变量选择的收缩阈值大都会调整langevin算法》,IEEE J.Sel。顶部。信号处理。,10336-375(2016)
[28] Sun,T。;Zhang,C.-H.,用定标拉索反演稀疏矩阵,J.Mach。学习。第14号决议,3385-3418(2013)·Zbl 1318.62184号
[29] 瓦林,C。;新墨西哥州里德。;Firth,D.,《复合似然法概述》,Statist。Sinica,21,5-42(2011)·Zbl 05849508号
[30] van de Vijver,M.J。;何,Y.D。;van’t Veer,L.J。;戴,H。;哈特,A.A。;Voskuil,D.W。;施赖伯,G.J。;彼得斯,J.L。;罗伯茨,C。;Marton,M.J。;帕里什,M。;Atsma,D。;Witteveen,A。;Glas,A。;Delahaye,L。;范德维尔德,T。;Bartelink,H。;Rodenhuis,S。;罗格斯,E.T。;朋友S.H。;Bernards,R.,基因表达特征作为乳腺癌生存预测因子,新英格兰。《医学杂志》,3471999-2009(2002)
[31] 袁,M.,通过线性规划进行高维逆协方差矩阵估计,J.Mach。学习。第11号决议,2261-2286(2010年)·兹比尔1242.62043
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。