×
安倍昭惠;广岛雅都县

基于零膨胀复合泊松-伽马分布的非负矩阵分解中的自动相关性确定。 （英语） Zbl 1384.62184号

J.Jpn.杂志。Soc.计算。斯达。 29，第1期，29-54（2016）.
摘要：在本文中，我们考虑零膨胀数据矩阵的非负矩阵因式分解（NMF）中因子数的确定。这种零膨胀的情况导致对非负数据矩阵的逼近较差。为了解决这个问题，我们使用零膨胀复合泊松-伽马分布作为NMF中的误差分布。此外，我们考虑了模型顺序选择的自动相关性确定（ARD）。我们的仿真研究表明，对于零膨胀数据，我们的方法优于基本的ARD方法。我们将我们提出的方法应用于实际购买数据，以确定购买模式的数量。

MSC公司：

62H25个 因子分析和主成分；对应分析
62J12型 广义线性模型（逻辑模型）
62第20页 统计学在经济学中的应用

关键词：

模型顺序选择;count数据;EM算法;Tweedie分布

软件：

PRMLT公司;LBFGS-B型
PDF格式BibTeX公司 XML格式引用
\textit{H.Abe}和\textit{H.Yadohisa}，J.Jpn。Soc.计算。Stat.29，No.1，29--54（2016；Zbl 1384.62184）
全文： 内政部

参考文献：

[1] Abe，H.和Yadohisa，H.（2016）。基于零膨胀Tweedie分布的非负矩阵分解模型。计算统计。10.1007/s00180-016-0689-8·Zbl 1417.62161号
[2] Basu，A.、Harris，I.R.、Hjort，N.L.和Jones，M.C.（1998年）。通过最小化密度功率发散，实现稳健高效的估计。生物特征，85，549-559·Zbl 0926.62021号
[3] Berry，M.W.、Browne，M.、Langville，A.N.、Pauca，V.P.和Plemmons，R.J.（2007）。近似非负矩阵分解的算法和应用。计算统计与数据分析，52，155-173·Zbl 1452.90298号
[4] Bishop，C.M.（2006年）。模式识别和机器学习。斯普林格·Zbl 1107.68072号
[5] Byrd，R.H.、Lu，P.、Nocedal，J.和Zhu，C.（1995）。用于边界约束优化的有限内存算法。SIAM科学计算杂志，161190-1208·Zbl 0836.65080号
[6] Cichocki，A.和Amari，S.I.（2010年）。α-β-和γ-差异家族：灵活而稳健的相似性度量。《熵》，第12期，1532-1568页·Zbl 1229.94030号
[7] Cichocki，A.、Zdunk，R.、Choi，S.、Plemmons，R.和Amari，S.I.（2007年）。使用α和β发散的非负张量因式分解。2007年IEEE声学、语音和信号处理国际会议——ICASSP’07，3，III-1393。
[8] Daniel，C.（1959年）。在解释析因二水平实验中使用半正态图。技术计量学，1131-341。
[9] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977年）。通过EM算法从不完整数据中获得最大似然。皇家统计学会杂志。B系列（方法学），1-38·兹比尔0364.62022
[10] Dunn，P.K.和Smyth，G.K.（2001）。Tweedie家族密度：评估方法。第16届统计建模国际研讨会论文集，丹麦欧登塞，2-6。
[11] 丹麦，2-6。F´evotte，C.和Idier，J.（2011）。具有β发散的非负矩阵分解算法。神经计算，23，2421-2456·Zbl 1231.65072号
[12] Itakura，F.和Saito，S.（1968年）。基于最大似然法的分析综合电话。第六届国际声学大会会议记录，17，C17-C20。
[13] Jorgensen，B.（1997）。色散模型理论。CRC出版社·Zbl 0928.62052号
[14] Kullback，S.和Leibler，R.A.（1951年）。关于信息和充分性。数学统计年鉴，2279-86·Zbl 0042.38403号
[15] Lambert，D.（1992）。零膨胀泊松回归，及其在制造缺陷中的应用。《技术计量学》，34，1-14·Zbl 0850.62756号
[16] Lee，D.D.和Seung，H.S.（1999年）。通过非负矩阵分解学习对象的各个部分。《自然》，401788-791·Zbl 1369.68285号
[17] Lee，D.D.和Seung，H.S.（2001年）。非负矩阵分解的算法。神经信息处理系统进展，556-562。
[18] 神经信息处理系统进展，556-562。McLachlan，G.和Krishnan，T.（2007年）。EM算法和扩展（第382卷）。约翰·威利父子公司。
[19] Nakano，M.、Kameoka，H.、Le Roux，J.、Kitano，Y.、Ono，N.和Sagayama，S.（2010年）。带？的非负矩阵因式分解的收敛保证乘法算法-分歧。2010年IEEE信号处理机器学习（MLSP）国际研讨会论文集，283-288。
[20] Owen，A.B.和Perry，P.O.（2009年）。奇异值分解和非负矩阵分解的双交叉验证。应用统计年鉴，564-594·Zbl 1166.62047号
[21] Schmidt，M.N.，Winther，O.，Hansen，L.K.（2009年）。贝叶斯非负矩阵因子。在独立分量分析和信号分离国际会议上，540-547。
[22] Sáimösekli，U.，Cemgil，A.，Yálmaz，Y.K.（2013）。学习Tweedie复合Poisson矩阵分解模型中的β-发散。第30届国际机器学习会议（ICML-13）论文集，1409-1417。
[23] Tan，V.Y.和F´evotte，C.（2013）。具有β-发散的非负矩阵分解中的自动相关性确定。IEEE模式分析和机器智能汇刊，351592-1605。
[24] Wang，Y.X.和Zhang，Y.J.（2013）。非负矩阵因式分解：综述。IEEE知识与数据工程汇刊，251336-1353。
[25] 张毅（2013）。粗花呢复合泊松线性混合模型的基于似然和贝叶斯方法。统计与计算，23743-757·Zbl 1322.62198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。