×

学习有向非循环图的马尔可夫等价类:一种客观的贝叶斯方法。 (英语) Zbl 1407.62189号

摘要:马尔可夫等价类包含编码相同条件独立性的所有有向非循环图(DAG),并由完整的部分有向非周期图(CPDAG)表示,也称为基本图(EG)。我们采用一种客观的贝叶斯方法,通过直接对EG打分来解决非因果稀疏高斯DAG之间的模型选择问题。具体来说,我们基于分数贝叶斯因子构造模型选择的客观先验,从而得到EG的边际似然的闭合形式表达式。接下来,我们提出了一种马尔可夫链蒙特卡罗(MCMC)策略,以利用稀疏性约束探索EG的空间,并说明了我们的方法在模拟研究和实际数据集上的性能。我们的方法提供了推理不确定性的一致量化,需要最小的先验规范,并且与其他最先进的算法相比,在学习数据生成EG的结构方面具有竞争力。

MSC公司:

62小时12分 多元分析中的估计
2015年1月62日 贝叶斯推断
05C20号 有向图(有向图),比赛
62小时99 多元分析
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Andersson,S.A.、Madigan,D.和Perlman,M.D.(1997年A)。“无圈有向图的马尔可夫等价类的特征”,《统计年鉴》,25:505-541·Zbl 0876.60095号 ·doi:10.1214/aos/1031833662
[2] Andersson,S.A.、Madigan,D.和Perlman,M.D.(1997年b)。“链图、无向图和无环有向图的马尔可夫等价性”,《斯堪的纳维亚统计杂志》,24:81-102·Zbl 0918.60050号 ·doi:10.1111/1467-9469.t01-1-00050
[3] Andersson,S.A.、Madigan,D.和Perlman,M.D.(2001年)。“链图的替代马尔可夫特性”,《斯堪的纳维亚统计杂志》,28:33-85·Zbl 0972.60067号 ·doi:10.1111/1467-9469.00224
[4] Barbieri,M.M.和Berger,J.O.(2004)。“最佳预测模型选择”,《统计年鉴》,32:870-897·Zbl 1092.62033号 ·doi:10.1214/09053604000000238
[5] Bayarri,M.J.、Berger,J.O.、Forte,A.和GarcíA-Donato,G.(2012年)。“贝叶斯模型选择标准及其在变量选择中的应用”,《统计年鉴》,40:1550-1577·Zbl 1257.62023号 ·doi:10.1214/12-AOS1013
[6] Berger,J.O.、Bernardo,J.M.和Sun,D.(2009年)。“参考先验的正式定义”,《统计年鉴》,37:905-938·Zbl 1162.62013年 ·doi:10.1214/07-AOS587
[7] Berger,J.O.和Pericchi,L.R.(1996)。“模型选择和预测的内在贝叶斯因子”,《美国统计协会期刊》,91:109-122·Zbl 0870.62021号 ·doi:10.1080/01621459.1996.10476668
[8] 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》,69:447-457·Zbl 1274.62722号 ·doi:10.1111/biom.12021
[9] Castelo,R.和Perlman,M.D.(2004年)。“从数据中学习基本图马尔可夫模型”,《贝叶斯网络进展》,《模糊性和软计算研究》第146卷,255-269页。柏林施普林格。
[10] Chen,J.和Chen,Z.(2008)。“大模型空间模型选择的扩展贝叶斯信息标准”,《生物特征》,95:759-771·Zbl 1437.62415号 ·doi:10.1093/biomet/asn034
[11] Chickering,D.M.(2002)。“贝叶斯网络结构的学习等价类”,《机器学习研究杂志》,2:445-498·Zbl 1007.68179号
[12] Colombo,D.和Maathuis,M.H.(2014)。“基于顺序依赖约束的因果结构学习”,《机器学习研究杂志》,15:3921-3962·Zbl 1312.68165号
[13] Consonni,G.、Forster,J.J.和La Rocca,L.(2013)。“磨石和明矾块:离散数据嵌套模型的平衡客观贝叶斯比较”,《统计科学》,28:398–423·Zbl 1331.62131号 ·doi:10.1214/13-STS433
[14] Consonni,G.和La Rocca,L.(2012年)。“高斯定向非循环图形模型的客观贝叶斯因子”,《斯堪的纳维亚统计杂志》,39:743-756·Zbl 1253.62015年 ·doi:10.1111/j.1467-9469.2011.00785.x
[15] Consonni,G.、La Rocca,L.和Peluso,S.(2017年)。“客观贝叶斯协变调整稀疏图形模型选择”,《斯堪的纳维亚统计杂志》,44:741-764·Zbl 06774144号 ·doi:10.1111/jos.12773
[16] Consonni,G.和Veronese,P.(2008)。“线性模型之间先前规范的兼容性”,《统计科学》,23:332–353·Zbl 1329.62331号 ·doi:10.1214/08-STS258
[17] Cowell,R.G.、Dawid,P.A.、Lauritzen,S.L.和Spiegelhalter,D.J.(1999)。概率网络和专家系统。纽约:斯普林格·兹伯利0937.68121
[18] Dawid,A.P.(1981)。“一些矩阵变量分布理论:符号考虑和贝叶斯应用”,《生物特征》,68:265-274·Zbl 0464.62039号 ·doi:10.1093/biomet/68.1.265
[19] Dawid,A.P.和Lauritzen,S.L.(1993)。“可分解图形模型统计分析中的超马尔可夫定律”,《统计年鉴》,21:1272-1317·兹伯利0815.62038 ·doi:10.1214/aos/1176349260
[20] Dor,D.和Tarsi,M.(1992年)。“构建部分定向图一致扩展的简单算法”,加州大学洛杉矶分校认知系统实验室R-185技术报告。
[21] Drton,M.和Eichler,M.(2006年)。“交替马尔可夫特性下高斯链图模型的最大似然估计”,《斯堪的纳维亚统计杂志》,33:247–257·Zbl 1125.62086号 ·数字对象标识代码:10.1111/j.1467-9469.2006.00482.x
[22] Drton,M.和Perlman,M.D.(2008年)。“高斯图形模型选择的正弦方法”,《统计规划与推断杂志》,138:1179-1200·Zbl 1130.62068号 ·doi:10.1016/j.jspi.2007.05.035
[23] Fouskakis,D.、Ntzoufras,I.和Draper,D.(2015)。“高斯线性模型中变量选择的功率期望后验先验”,《贝叶斯分析》,10:75-107·Zbl 1335.62045号 ·doi:10.1214/14-BA887
[24] Fouskakis,D.、Ntzoufras,I.和Perrakis,K.(2017年)。“广义线性模型的功率期望后验先验”,贝叶斯分析。提前发布·Zbl 1392.62071号
[25] Foygel,R.和Drton,M.(2010年)。“高斯图形模型的扩展贝叶斯信息标准”,《神经信息处理系统进展》第23期,2020年至2028年。
[26] 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》,9:432-441·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
[27] Friedman,N.(2004年)。《使用概率图形模型推断细胞网络》,《科学》,303:799-805。
[28] Geiger,D.和Heckerman,D.(2002年)。“有向非循环图形模型的参数先验和几种概率分布的表征”,《统计年鉴》,30:1412-1440·Zbl 1016.62064号 ·doi:10.1214/aos/1035844981
[29] Geisser,S.和Cornfield,J.(1963年)。《多元正态参数的后验分布》,《皇家统计学会杂志》。B系列(方法学),25:368–376·Zbl 0124.35304号
[30] Gillispie,S.B.和Perlman,M.D.(2002年)。“非循环有向图模型的马尔可夫等价类的大小分布”,《人工智能》,141:137-155·Zbl 1043.68096号 ·doi:10.1016/S0004-3702(02)00264-3
[31] Gupta,A.K.和Nagar,D.K.(2000年)。矩阵变量分布。查普曼和霍尔/CRC,佛罗里达州博卡拉顿·Zbl 0935.62064号
[32] Hauser,A.和Bühlmann,P.(2012年)。“有向非循环图的介入马尔可夫等价类的特征描述和贪婪学习”,《机器学习研究杂志》,13:2409-2464·Zbl 1433.68346号
[33] Hauser,A.和Bühlmann,P.(2015)。《联合干预和观察数据:有向非循环图的干预马尔可夫等价类的估计》,《皇家统计学会杂志》。B系列(方法论),77:291–318。
[34] He,Y.和Geng,Z.(2008)。“通过干预实验和优化设计对因果网络进行主动学习”,《机器学习研究杂志》,9:2523-2547·Zbl 1225.68184号
[35] 何毅、贾杰和于斌(2013)。“稀疏有向非循环图的马尔可夫等价类的可逆MCMC”,《统计年鉴》,41:1742-1779·Zbl 1360.62369号 ·doi:10.1214/13-AOS1125
[36] Kalisch,M.和Bühlmann,P.(2007)。“用PC-算法估计高维有向非循环图”,《机器学习研究杂志》,8:613-36·Zbl 1222.68229号
[37] Kass,R.E.和Raftery,A.E.(1995)。《贝叶斯因素》,《美国统计协会杂志》,90:773-795·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572
[38] Koller,D.和Friedman,N.(2009年)。概率图形模型:原理和技术。麻省理工学院出版社·Zbl 1183.68483号
[39] Lauritzen,S.L.(1996年)。图形模型。牛津大学出版社·Zbl 0907.62001
[40] Madigan,D.、Andersson,S.、Perlman,M.和Volinsky,C.(1996年)。“非循环有向图的马尔可夫等价类的贝叶斯模型平均和模型选择”,《统计学中的通信:理论和方法》,2493–2519·Zbl 0894.62032号 ·doi:10.1080/03610929608831853
[41] Moreno,E.(1997)。“嵌套模型中固有先验和分数先验的贝叶斯因子。贝叶斯稳健。”摘自Dodge,Y.(ed.),(L_{1})-统计过程和相关主题,257-270。数理统计研究所·Zbl 0953.62021号
[42] Nagarajan,R.和Scutari,M.(2013)。R中的贝叶斯网络及其在系统生物学中的应用。纽约:斯普林格·Zbl 1272.62005年
[43] O'Hagan,A.(1995年)。《模型比较的分数贝叶斯因子》,《皇家统计学会杂志》。B系列(方法论),57:99-138。
[44] O'Hagan,A.和Forster,J.J.(2004)。贝叶斯推断。肯德尔的高级统计理论。阿诺德,第二版。
[45] Pearl,J.(2000)。因果关系:模型、推理和推理。剑桥大学出版社,剑桥·Zbl 0959.68116号
[46] Pearl,J.(2003)。“统计学和因果推理:综述”,《测试》12:281-345·Zbl 1044.62003年 ·doi:10.1007/BF02595718
[47] Peréz,J.M.和Berger,J.O.(2002)。“模型选择的预期后验先验分布”,《生物特征》,89:第491-511页·Zbl 1036.62026号 ·doi:10.1093/biomet/89.3.491
[48] Pericchi,L.R.(2005)。“基于客观概率和贝叶斯因子的模型选择和假设检验”,载于Dey,D.和Rao,C.R.(eds.),《贝叶斯思维:建模和计算》,《统计手册》第25卷,第115-149页。爱思唯尔。
[49] Peters,J.和Bühlmann,P.(2014)。“具有等误差方差的高斯结构方程模型的可识别性”,《生物统计学》,101:219-228·兹比尔1285.62005 ·doi:10.1093/biomet/ast043
[50] Peterson,C.、Stingo,F.C.和Vannucci,M.(2015)。“多高斯图形模型的贝叶斯推断”,《美国统计协会杂志》,110:159-174·Zbl 1373.62106号 ·doi:10.1080/01621459.2014.896806
[51] Sachs,K.、Perez,O.、Peer,D.、Lauffenburger,D.和Nolan,G.(2005)。“源于多参数单细胞数据的因果蛋白信号网络”,《科学》,308:523-529。
[52] Schwarz,G.E.(1978年)。“估算模型的维度”,《统计年鉴》,6:461-464·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[53] Shojaie,A.和Michailidis,G.(2009年)。“基于潜在调控网络的基因集分析”,《计算生物学杂志》,16:407-26·doi:10.1089/cmb.2008.0081
[54] Sonntag,D.、Peña,J.M.和Gómez-Olmedo,M.(2015)。“通过MCMC重新计算图形模型”,《国际智能系统杂志》,30:384-420。
[55] Spites,P.、Glymour,C.和Scheines,R.(2000)。因果、预测和搜索(第二版),马萨诸塞州剑桥:麻省理工学院出版社。,1–16. ·Zbl 0806.62001
[56] Verma,T.和Pearl,J.(1991年)。《因果模型的等效性和综合》,载于第六届人工智能不确定性年会论文集,UAI 90,255-270。美国纽约州纽约市:爱思唯尔科学公司。
[57] Womack,A.J.、León-Novelo,L.和Casella,G.(2014)。“从模型选择和不确定性下的固有贝叶斯程序推断”,《美国统计协会杂志》,109:1040-1053·Zbl 1368.62069号 ·doi:10.1080/01621459.2014.880348
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。