×
李泽航理查德;Tyler H.McComick。;塞缪尔·克拉克。

使用贝叶斯潜在高斯图形模型推断口头尸检中的症状关联。 （英语） Zbl 1459.62096号

贝叶斯分析。 15，第3期，781-807（2020年）.
摘要：混合类型变量之间的学习依赖关系提供了在各种科学背景下的见解，是统计学中研究得很好的问题。然而，现有的方法通常依赖大量高质量的数据来准确地学习关联。在本文中，我们开发了一种用于科学环境的方法，在这种环境中，学习依赖结构是必不可少的，但数据很稀疏，并且有很高比例的缺失值。具体来说，我们的工作受到了基于调查的死因评估（即口头尸检）的推动。我们提出了一种贝叶斯方法来描述依赖关系，该方法使用潜在高斯图形模型，该模型结合了变量边际分布的信息先验。我们证明了这些信息可以改进依赖结构的估计，特别是在训练数据很少的情况下。我们表明，我们的方法可以集成到现有的概率死因分配算法中，并在恢复症状之间的依赖模式的同时提高模型性能，从而为未来数据收集中的有效问卷设计提供信息。

引用于7文件

MSC公司：

62H22个 概率图形模型
62H30型 分类和区分；聚类分析（统计方面）
62号05 可靠性和寿命测试
62页第10页 统计学在生物学和医学科学中的应用；元分析
92D25型 人口动态（一般）

关键词：

死亡原因;混合数据;高维的;钉子和实验室;参数展开式

软件：

全球统一制度;EMVS公司;BDgraph（BDgraph）;HdBCS公司;开放式VA;R（右）;碱性磷酸酶
PDF格式BibTeX公司 XML格式引用
\textit{Z.R.Li}等人，贝叶斯分析。15，第3号，781--807（2020；Zbl 1459.62096）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Andrews，J.L.和McNicholas，P.D.（2014）。“聚类和分类的变量选择”，《分类杂志》，31（2）：136-153·Zbl 1360.62310号 ·doi:10.1007/s00357-013-9139-2
[2] Barnard，J.、McCulloch，R.和Meng，X.-L.（2000）。“根据标准偏差和相关性建模协方差矩阵，并应用于收缩”，《统计》，10（4）：1281-1311·Zbl 0980.62045号
[3] Bhadra，A.、Rao，A.和Baladadayuthapani，V.（2018年）。“推断非正常和混合离散连续基因组数据中的网络结构。”生物计量学，74（1）：185-195·Zbl 1415.62085号 ·doi:10.1111/biom.12711
[4] Bu，Y.和Lederer，J.（2017）。《将额外知识整合到图形模型估算中》，arXiv预印本arXiv:1704.02739。
[5] Byass，P.、Huong，D.L.和Van Minh，H.（2003年）。“解释口头尸检的概率方法：越南的方法和初步验证”，《斯堪的纳维亚公共卫生杂志》，31（62增刊）：32-37。
[6] Clark，S.J.、Li，Z.R.和McCormick，T.H.（2018年）。“量化训练数据和算法逻辑对口头尸检自动原因分配算法性能的贡献”，arXiv预印本arXiv:1803.07141。
[7] Crampin，A.C.、Dube，A.、Mboma，S.、Price，A.、Chihana，M.、Jahn，A.、Baschieri，A.、Molesworth，A.、Mpaiyeghele，E.、Branson，K.等人（2012年）。“简介：卡隆加健康和人口监测系统”，《国际流行病学杂志》，41（3）：676-685。
[8] Deshpande，S.K.、Rockova，V.和George，E.I.（2017年）。《用多元尖峰和平顶拉索同时选择变量和协方差》，arXiv预印本arXiv:1708.08911。
[9] Dobra，A.、Lenkoski，A.等人（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
[10] Fan，J.、Liu，H.、Ning，Y.和邹，H.（2016）。《混合数据的高维半参数潜在图形模型》，《皇家统计学会期刊：B辑（统计方法）》·Zbl 1414.62179号 ·doi:10.1111/rssb.12168
[11] Gan，L.、Narisetty，N.N.和Liang，F.（2018年）。“不等收缩图形模型的贝叶斯正则化”，《美国统计协会杂志》，1-14·Zbl 1428.62225号 ·doi:10.1080/01621459.2018.1482755
[12] Gelman，A.（2006年）。“层次模型中方差参数的先验分布（Browne和Draper的文章评论）。”贝叶斯分析，1（3）：515-534·Zbl 1331.62139号 ·doi:10.1214/06-BA117A
[13] Gruhl，J.、Erosheva，E.A.和Crane，P.K.（2013）。“混合结果潜在变量模型的半参数方法：估计认知与区域脑容量之间的关联”，《应用统计年鉴》，2361-2383·Zbl 1283.62218号 ·doi:10.1214/13-AOAS675
[14] Hoff，P.D.（2007）。“扩展半参数copula估计的秩似然”，《应用统计年鉴》，265-283·邮编1129.62050 ·doi:10.1214/07-AOAS107
[15] Horton，R.（2007）。《健康计数》，《柳叶刀》，370（9598）：1526。
[16] James，S.L.、Flaxman，A.D.、Murray，C.J.和Consortium Population Health Metrics Research（2011年）。“关税方法的性能：口头尸检分析简单加法算法的验证”，《人口健康指标》，9（31）。
[17] Jha，P.（2014）。《低收入和中等收入国家死因的可靠直接测量》，BMC医学，12（1）：19。
[18] Jin，Z.和Matteson，D.S.（2018年）。“通过基于能量和基于核的相互依赖度量进行独立成分分析”，arXiv预印本arXiv:1805.06639。
[19] 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》，388-400·兹比尔1130.62408 ·doi:10.1214/088342305000000304
[20] King，G.和Lu，Y.（2008）。“多死因的口头尸检方法”，《统计科学》，100（469）·Zbl 1327.62506号 ·doi:10.1214/07-STS247
[21] Klaassen，C.A.和Wellner，J.A.（1997）。“二元正态copula模型中的有效估计：正态边际最不利。”Bernoulli，3（1）：55-77·Zbl 0877.62055号 ·doi:10.2307/3318652
[22] Kunihama，T.、Li，Z.R.、Clark，S.J.和McCormick，T.H.（2018年）。“用口头尸检进行死亡原因概率评估的贝叶斯因子模型”，arXiv预印本arXiv:1803.01327·Zbl 1439.62220号 ·doi:10.1214/19-AOAS1253
[23] 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
[24] Li，Y.、Craig，B.A.和Bhadra，A.（2017）。“逆协方差矩阵的图形马蹄估计”，arXiv预印本arXiv:1707.06661。
[25] Li，Z.和McCormick，T.H.（2019年）。“高斯图形模型的期望条件最大化方法”，《计算与图形统计杂志》，1-11。
[26] Li，Z.R.、McCormick，T.和Clark，S.（2019a）。openVA：自动口头尸检方法。R软件包版本1.0.8。统一资源定位地址http://CRAN.R-project.org/package=openVA。
[27] Li，Z.R.、McCormick，T.和Clark，S.（2019b）。补充材料“使用贝叶斯潜在高斯图形模型推断口头尸检中的症状关联”贝叶斯分析。
[28] Liu，H.、Han，F.、Yuan，M.、Lafferty，J.、Wasserman，L.等（2012）。“高维半参数高斯copula图形模型”，《统计年鉴》，40（4）：2293-2326·兹比尔1297.62073 ·doi:10.1214/12-AOS1037
[29] Liu，H.、Lafferty，J.和Wasserman，L.（2009）。“非paranormal:高维无向图的半参数估计”，《机器学习研究杂志》，10（10月）：2295-2328·Zbl 1235.62035号
[30] Liu，J.S.和Wu，Y.N.（1999年）。“数据增强的参数扩展”，《美国统计协会杂志》，94（448）：1264-1274·Zbl 1069.62514号 ·doi:10.1080/01621459.1999.10473879
[31] McCormick，T.H.、Li，Z.R.、Calvert，C.、Crampin，A.C.、Kahn，K.和Clark，S.J.（2016）。“使用口头尸检确定死亡原因的概率”，《美国统计协会期刊》，111（515）：1036-1049。
[32] Meng，X.-L.和Van Dyk，D.A.（1999）。“通过条件和边缘增强寻求有效的数据增强方案。”Biometrika，86（2）：301-320·兹比尔1054.62505 ·doi:10.1093/biomet/86.2.301
[33] Miasnikof，P.、Giannakeas，V.、Gomes，M.、Aleksandrowicz，L.、Shestopaloff，A.Y.、Alam，D.、Tollman，S.、Samarikhalaj，A.和Jha，P.（2015）。“言语尸检的朴素贝叶斯分类法：21000例儿童和成人死亡与基于物理学家的分类法的比较”，BMC医学，13（1）：1。
[34] 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。
[35] 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。
[36] Murray，C.J.、Lopez，A.D.、Black，R.、Ahuja，R.，Ali，S.M.、Baqui，A.、Dandona，L.、Dantzer，E.、Das，V.、Dhingra，U.等人（2011年A）。“人口健康指标研究联盟金标准口头尸检验证研究：分析数据集的设计、实施和开发”，《人口健康指标》，9（1）：27。
[37] Murray，C.J.、Lozano，R.、Flaxman，A.D.、Vahdatpour，A.和Lopez，A.D.（2011年b）。“在验证研究中评估不同口头尸检原因分配方法性能的稳健指标。”，9（1）：28。
[38] Murray，I.、Adams，R.和MacKay，D.（2010年）。“椭圆切片取样”，《第十三届国际人工智能与统计会议论文集》，541-548。
[39] Murray，J.S.、Dunson，D.B.、Carin，L.和Lucas，J.E.（2013）。“混合数据的贝叶斯-高斯copula因子模型”，《美国统计协会杂志》，108（502）：656-665·Zbl 06195968号 ·doi:10.1080/01621459.2012.762328
[40] Nishihara，R.、Murray，I.和Adams，R.P.（2014）。“具有广义椭圆切片采样的并行MCMC”，《机器学习研究杂志》，15（1）：2087-2112·Zbl 1319.60153号
[41] Peterson，C.、Vannucci，M.、Karakas，C.、Choi，W.、Ma，L.和Meletic-Savatic，M.（2013）。“利用贝叶斯自适应图形套索和先验信息推断代谢网络”，《统计学及其界面》，6（4）：547·Zbl 1326.92028号 ·doi:10.4310/SII.2013.v6.n4.a12
[42] R核心团队（2018年）。R： 统计计算语言和环境。R统计计算基金会，奥地利维也纳。URLhttps://www.R-project.org/。
[43] Rocková，V.和George，E.I.（2014）。“EMVS:贝叶斯变量选择的EM方法”，《美国统计协会杂志》，109（506）：828-846·Zbl 1367.62049号 ·doi:10.1080/01621459.2013.869223
[44] 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
[45] Serina，P.、Riley，I.、Stewart，A.、James，S.L.、Flaxman，A.D.、Lozano，R.、Hernandez，B.、Mooney，M.D.、Luning，R.和Black，R.等人（2015年）。“提高将死因分配给口头尸检的关税方法的性能”，BMC医学，13（1）：1。
[46] Talhouk，A.、Doucet，A.和Murphy，K.（2012年）。“具有稀疏逆相关矩阵的多元概率模型的有效贝叶斯推断”，《计算与图形统计杂志》，21（2015年2月）：739-757。
[47] 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
[48] Wang，H.等人（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] 薛，L·Zbl 1373.62138号 ·doi:10.1214/12-AOS1041
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。