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。