×
贾米·穆尔格雷夫。；Ghosal，Subhashis公司

非规范图形模型中的贝叶斯推理。 （英语） Zbl 1459.62035号

贝叶斯分析。 15，第2期，449-475（2020）.
摘要：高斯图形模型已被用于研究几个变量之间的内在相关性，但高斯假设在许多应用中可能会受到限制。非paranormal图形模型是连续变量的半参数推广，其中假设变量仅在对每个变量进行一些未知的平滑单调变换后才遵循高斯图形模型。我们在非规范图形模型中考虑一种贝叶斯方法，通过基于B样条的随机序列对未知变换进行先验，其中系数被排序以诱导单调性。截断的正态先验导致模型中的部分共轭，对于使用吉布斯采样的后验模拟很有用。在转换变量的基本精度矩阵上，我们考虑了尖峰-平顶先验，并使用了有效的后验Gibbs采样方案。我们使用贝叶斯信息准则来选择尖峰和斜峰先验的超参数。我们给出了底层变换和精度矩阵的后验一致性结果。我们通过广泛的仿真研究研究了该方法的数值性能，并将该方法应用于实际数据集。

引用于三文件

MSC公司：

2015年1月62日 贝叶斯推断
62H22个 概率图形模型
62页第10页 统计学在生物学和医学中的应用；元分析
92D20型 蛋白质序列，DNA序列

关键词：

贝叶斯推断；非正常；高斯图形模型；稀疏；先连续收缩

软件：

BD图表；tmg（tmg）；AS 177标准；玻璃制品
PDF格式BibTeX公司 XML格式引用
\textit{J.J.Mulgrave}和\textit{S.Ghosal}，贝叶斯分析。15，第2号，449--475（2020；Zbl 1459.62035）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Arbel，J.、Gayraud，G.和Rousseau，J.（2013）。“使用筛选先验的贝叶斯最优自适应估计”，《斯堪的纳维亚统计杂志》，40（3）：549-570·Zbl 1364.62102号 ·doi:10.1002/sjos.12002
[2] Armagan，A.、B.Dunson，D.和Lee，J.（2013）。“广义双帕累托收缩”，《统计》，23（1）：119-143·兹比尔1259.62061
[3] Baldi，P.、Brunak，S.、Chauvin，Y.、Andersen，C.A.F.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。
[4] Banerjee，O.、El Ghaoui，L.和d'Aspremont，A.（2008）。“通过多变量高斯或二进制数据的稀疏最大似然估计进行模型选择。”机器学习研究杂志，9:485-516·Zbl 1225.68149号
[5] Banerjee，S.和Ghosal，S.（2014）。“使用图形模型估计大精度矩阵的后验收敛速度”，《统计学电子期刊》，8（2）：2111-2137·Zbl 1302.62124号 ·doi:10.1214/14-EJS945
[6] Banerjee，S.和Ghosal，S.（2015）。“图形模型中的贝叶斯结构学习”，《多元分析杂志》，136:147-162·Zbl 1308.62119号 ·doi:10.1016/j.jmva.2015.01.015
[7] Berger，J.O.和Barbieri，M.M.（2004）。“最佳预测模型选择”，《统计年鉴》，32（3）：870-897·Zbl 1092.62033号 ·doi:10.1214/009053604000000238
[8] Bhattacharya，A.、Pati，D.、Pillai，N.S.和Dunson，D.B.（2015）。“Dirichlet-Laplace最优收缩的先验值”，《美国统计协会杂志》，110（512）：1479-1490·Zbl 1373.62368号 ·doi:10.1080/01621459.2014.960967
[9] Carter，C.K.、Wong，F.和Kohn，R.（2011年）。“基于不可分解高斯图形模型的模型大小构建先验：基于模拟的方法”，《多元分析杂志》，102（5）：871-883·Zbl 1215.62026号 ·doi:10.1016/j.jmva.2011.01.001
[10] Carvalho，C.M.、Polson，N.G.和Scott，J.G.（2010年）。“稀疏信号的马蹄形估计器”，《生物统计学》，97（2）：465-480·Zbl 1406.62021号 ·doi:10.1093/biomet/asq017
[11] Choudhuri，N.、Ghosal，S.和Roy，A.（2007年）。“使用高斯过程先验的非参数二元回归”，《统计方法》，4（2）：227-243·Zbl 1248.62053号 ·doi:10.1016/j.stamet.2006.07.003
[12] Dahl，J.、Roychowdhury，V.和Vandenberghe，L.（2005）。“高斯图形模型的最大似然估计：数值实现和拓扑选择”，技术报告。加利福尼亚大学，洛杉矶。
[13] Dahl，J.、Vandenberghe，L.和Roychowdhury，V.（2008）。“通过弦嵌入对非弦图的协方差选择”，《优化方法与软件》，23（4）：501-520·Zbl 1151.90514号 ·网址：10.1080/1055678080202693
[14] d'Aspremont，A.、Banerjee，O.和El Ghaoui，L.（2008）。“稀疏协方差选择的一阶方法”，SIAM矩阵分析与应用杂志，30（1）：56-66·Zbl 1156.90423号 ·数字对象标识代码：10.1137/060670985
[15] de Jonge，R.和van Zanten，J.（2012）。“使用条件高斯张量积样条先验对多元函数的自适应估计”，《统计学电子期刊》，6（0）：1984-2001·Zbl 1295.62007号 ·doi:10.1214/12-EJS735
[16] Dobra，A.和Lenkoski，A.（2011年）。“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
[17] Foygel，R.和Drton，M.（2010年）。“高斯图形模型的扩展贝叶斯信息标准”，摘自《神经信息处理系统进展》23，第604-612页。
[18] 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·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
[19] Ghosal，S.和van der Vaart，A.（2017年）。非参数贝叶斯推断基础。剑桥统计与概率数学系列（44）。剑桥大学出版社，剑桥·Zbl 1376.62004号
[20] 朱迪奇，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
[21] Hájek，J.、Šidák，Z.和Sen，P.k.（1999）。等级测试理论。概率与数理统计。学术出版社，加利福尼亚州圣地亚哥，第二版·Zbl 0944.62045号
[22] Lenk，P.J.和Choi，T.（2017年）。“使用高斯过程先验对形状受限函数的贝叶斯分析”，《统计》，27（1）：43-69·Zbl 1395.62092号
[23] 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
[24] Liu，H.、Han，F.、Yuan，M.、Lafferty，J.和Wasserman，L.（2012）。“高维半参数高斯copula图形模型”，《统计年鉴》，40（4）：2293-2326·Zbl 1297.62073号 ·doi:10.1214/12-AOS1037
[25] Liu，H.、Lafferty，J.D.和Wasserman，L.A.（2009年）。“非paranormal:高维无向图的半参数估计”，《机器学习研究杂志》，10:2295-2328·兹比尔1235.62035
[26] 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）”，摘自《神经信息处理系统进展》23，第1432-1440页，美国。
[27] 鲁政（2009）。“稀疏协方差选择的平滑优化方法”，SIAM优化杂志，19（4）：1807-1827·Zbl 1179.90257号 ·数字对象标识代码：10.1137/070695915
[28] Lysen，S.（2009）。置换包含准则：一种变量选择技术。博士论文，公共访问宾夕法尼亚大学学位论文，28。
[29] Mazumder，R.和Hastie，T.（2012年）。“图形套索：新的见解和选择”，《电子统计杂志》，6（0）：2125-2149·兹比尔1295.62066 ·doi:10.1214/12-EJS740
[30] Meinshausen，N.和Buhlmann，P.（2006）。“高维图和用套索选择变量”，《统计年鉴》，34（3）：1436-1462·Zbl 1113.62082号 ·doi:10.1214/09053606000000281
[31] Mohammadi，A.、Abegaz，F.、van den Heuvel，E.和Wit，E.C.（2017年）。“使用高斯连接图图形模型对Dupuytren病进行贝叶斯建模”，《皇家统计学会杂志：C辑（应用统计学）》，66（3）：629-645。
[32] Mohammadi，A.和Wit，E.C.（2015年）。“稀疏高斯图形模型中的贝叶斯结构学习”，贝叶斯分析，10（1）：109-138·兹比尔1335.62056 ·doi:10.1214/14-BA889
[33] Mohammadi，R.和Wit，E.C.（2017年）。“BDgraph:图形模型中贝叶斯结构学习的R包。”arXiv预印本arXiv:1501.05108。
[34] Mohammadi，R.和Wit，E.C.（2019年）。“BDgraph：使用出生-死亡MCMC的图形模型中的贝叶斯结构学习。”R包版本2.57。
[35] Mulgrave，J.J.和Ghosal，S.（2019年）。“非超常图形模型中贝叶斯推断的补充材料”，贝叶斯分析。
[36] Pakman，A.和Paninski，L.（2014）。“截断多元高斯的精确哈密顿蒙特卡罗”，《计算与图形统计杂志》，23（2）：518-542。
[37] 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
[38] Rasmussen，C.E.和Williams，C.K.I.（2006）。机器学习的高斯过程。自适应计算和机器学习。麻省理工学院出版社，马萨诸塞州剑桥·Zbl 1177.68165号
[39] Rivoirard，V.和Rousseau，J.（2012）。“无限维指数族的后验浓度率”，贝叶斯分析，7（2）：311-334·Zbl 1330.62179号 ·doi:10.1214/12-BA710
[40] Rothman，A.J.、Bickel，P.J.、Levina，E.和Zhu，J.（2008）。“稀疏排列不变协方差估计”，《电子统计学杂志》，2（0）：494-515·Zbl 1320.62135号 ·doi:10.1214/08-EJS176
[41] Royston，J.P.（1982）。“算法AS 177：预期正常顺序统计（精确和近似）。”《应用统计》，31（2）：161。
[42] Scheinberg，K.、Ma，S.和Goldfarb，D.（2010年）。“通过交替线性化方法选择稀疏逆协方差”，摘自《第23届神经信息处理系统国际会议论文集》，第2卷，NIPS’10，第2101-2109页，美国Curran Associates Inc。
[43] Scheipl，F.、Fahrmeir，L.和Kneib，T.（2012年）。“结构化加性回归模型中函数选择的尖峰和平顶先验”，《美国统计协会杂志》，107（500）：1518-1532·Zbl 1258.62082号 ·doi:10.1080/01621459.2012.737742
[44] Shen，W.和Ghosal，S.（2015）。“使用随机序列先验的自适应贝叶斯程序：自适应贝叶斯程序”，《斯堪的纳维亚统计杂志》，42（4）：1194-1213·Zbl 1419.62076号 ·doi:10.1111/jos.12159
[45] Talluri，R.、Baladadayuthapani，V.和Mallick，B.K.（2014）。“贝叶斯稀疏图形模型及其混合物：稀疏图形建模”，《统计》，3（1）：109-125。
[46] Uhler，C.、Lenkoski，A.和Richards，D.（2018）。“图形模型Wishart分布规范化常数的精确公式”，《统计年鉴》，46（1）：90-118·Zbl 1392.62146号 ·doi:10.1214/17-AOS1543
[47] van der Vaart，A.和van Zanten，H.（2007）。“具有重标高斯过程先验的贝叶斯推断”，《电子统计杂志》，1（0）：433-448·兹比尔1140.62066 ·doi:10.1214/07-EJS098
[48] 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
[49] Wang，H.（2015）。“扩大规模：图形模型中的随机搜索结构学习”，贝叶斯分析，10（2）：351-377·Zbl 1335.62068号 ·doi:10.1214/14-BA916
[50] Wang，H.和Li，S.Z.（2012）。“G-Wishart先验分布下的有效高斯图形模型确定”，《统计学电子期刊》，6（0）：168-198·Zbl 1335.62069号 ·doi:10.1214/12-EJS669
[51] Wille，A.、Zimmermann，P.、Vranová，E.、Fürholz，A.、Laule，O.、Bleuler，S.、Hennig，L.、Prelić，A.、von Rohr，P.，Thiele，L.，Zitzler，E.、Gruissem，W.和Bühlmann，P（2004）。“拟南芥类异戊二烯基因网络的稀疏高斯图形建模”，《基因组生物学》，5（11）：R92-R92。
[52] Witten，D.M.、Friedman，J.H.和Simon，N.（2011年）。“图形套索的新见解和更快的计算”，《计算与图形统计杂志》，20（4）：892-900。
[53] Wong，F.、Carter，C.K.和Kohn，R.（2003）。协方差选择模型的有效估计〉，《生物特征识别》，90（4）：809-830·Zbl 1436.62346号 ·doi:10.1093/biomet/90.4.809
[54] Yuan，M.和Lin，Y.（2007）。“高斯图形模型中的模型选择和估计”，《生物特征识别》，94（1）：19-35·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
[55] T·赵。
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。