吉伦伯格，马茨;蒂莫·科斯基 细菌分类中的贝叶斯预测性、交换性和充分性。 （英语） Zbl 1003.62023号 数学。Biosci公司。 177-178, 161-184 (2002). 小结：我们提出了一种细菌分类和预测识别的理论。细菌菌株以二元载体为特征，通过在每个载体上附加标签来指定分类。该理论是从两个基本假设发展而来的，即特征向量对和附加标签的序列被判断为（无限）可交换且可预测充分。我们推导了训练误差和识别误差概率的表达式，并证明后者是前者的仿射函数。我们证明了包含细菌数据基本信息的识别矩阵的大数定律。我们证明了该理论给出的预测识别规则的贝叶斯风险一致性，并表明训练误差是泛化误差的一致估计。 引用于5文件 MSC公司： 62英尺15英寸 贝叶斯推断 62页第10页 统计学在生物学和医学中的应用；元分析 62H30型 分类和区分；聚类分析（统计方面） 关键词：多元二进制数据;贝叶斯风险一致性;Bahadur-Lazarsfeld扩建;监督学习;多元贝努利分布;分类;识别 PDF格式BibTeX公司 XML格式引用 \textit{M.Gylenberg}和\textit{T.Koski}，数学。Biosci公司。177--178161--184（2002年；Zbl 1003.62023） 全文： 内政部 参考文献： [1] Gilmour，J.S.L.，《分类问题》，《自然》，1341040（1937） [2] 比尔斯，R.J。；洛克哈特，W.R.，计算机分类学实验方法，普通微生物学杂志。，28, 633 (1962) [3] Liston，J。；Wiebe，W.J。；Colwell，R.R.，《细菌生物定量研究方法》，《细菌学杂志》。，85, 1061 (1963) [4] Paynes，L.C.，走向医疗自动化，世界医疗电子。，2, 6 (1963) [5] Sneath，P.H.A.，细菌分类学的新方法：计算机的使用，微生物学报。，18, 335 (1964) [6] Dybowski，W。；Franklin，D.A.，条件概率与细菌鉴定，普通微生物学杂志。，54, 215 (1968) [7] Gyllenberg，H.G.，《随机收集微生物分离物的测定方案的通用方法》，美国科学院。科学芬恩。，序列号。A、 IV，生物。，69, 1 (1963) [8] Gyllenberg，H.G.，《细菌临床分离株自动鉴定参考系统的开发》，Archiv。免疫学。治疗。专家。，24, 1 (1976) [9] Gyllenberg，H.G。；Niemelä，T.K.，《计算机辅助鉴定微生物的基本原理》（Hedén，C.-G.；Illéni，T.，《鉴定微生物的新方法》（1975年），威利：威利纽约），第201页 [10] Hill，L.R.，《数值识别的理论方面》，国际期刊系统。细菌学。，24, 494 (1974) [11] 拉佩奇，S.P。；Bascomb，S。；Willcox，W.R。；柯蒂斯，M.A.，《计算机识别细菌：一般方面和观点》，《普通微生物学杂志》。，77, 291 (1973) [12] Pankhurst，R.J.，《实用分类计算》（1991），剑桥大学：剑桥大学·兹比尔0519.92003 [13] Sneath，P.H.A.，根据阳性特征百分比的识别矩阵，利用存在-缺失数据识别未知物的BASIC程序，计算机地球科学。，5, 195 (1979) [14] Sneath，P.H.A.，BASIC程序，用于从最典型的示例中确定最佳识别分数，与阳性特征百分比的识别矩阵进行比较，计算机地理科学。，6, 27 (1979) [15] Gyllenberg，H.G.，识别矩阵的连续累积，Helsingin Ylioportin Mikrobiologian Laitoksen Julkaisuja，20，1（1981） [16] Gyllenberg，M。；Koski，T。；Lund，T。；Gyllenberg，H.G.，细菌的贝叶斯预测识别和累积分类，Bull。数学。生物学，61，85（1999）·Zbl 1323.92009年 [17] Gyllenberg，H.G。；Gyllenberg，M。；Koski，T。；伦德，T。；Schindler，J.，《累积分类评估》，Quant。微生物。，1, 7 (1999) [18] Bender，E.A.，《人工智能中的数学方法》（1996），IEEE计算机学会：IEEE计算机协会，加利福尼亚州洛斯阿拉米托斯·Zbl 0896.68113号 [19] 吉伦伯格，M。；Koski，T.，《细菌分类的概率模型》，《国际统计评论》，69，249（2001）·Zbl 1180.92004年 [20] Sneath，P.H.A.，系统学中数值概念的历史和未来潜力：H.G.Gylenberg的贡献，Binary，7，32（1995） [21] Sneath，P.H.A.，数值分类学三十年，系统。《生物学》，44281（1995） [22] Willcox，W.R。；拉佩奇，S.P。；霍姆斯，B.，《细菌鉴定中的数值方法综述》，安东尼·范·列文虎克，46，233（1980） [23] 拉佩奇，S.P。；Bascomb，S。；Willcox，W.R。；Curtis，M.A.，细菌的计算机识别，（Baillie，A.；Baillee，R.J.，微生物学中的自动化、机械化和数据处理（1970），学术出版社：纽约学术出版社），第1页 [24] Bascomb，S。；拉佩奇，S.P。；医学硕士柯蒂斯。；Willcox，W.R.，《计算机识别细菌：参考菌株的识别》，《普通微生物学杂志》。，77, 291 (1973) [25] 威尔科克斯，W.R。；拉佩奇，S.P。；Bascomb，S。；柯蒂斯，M.A.，《通过计算机、理论和程序识别细菌》，《普通微生物学杂志》。，77, 317 (1973) [26] 杜达，R.O。；Hart，P.E.，《模式分类和场景分析》（1973年），威利出版社：威利纽约·Zbl 0277.68056号 [27] Patrick，E.A.，《模式识别基础》（1972），《普伦蒂斯·霍尔：普伦蒂斯霍尔·恩格尔伍德悬崖》·Zbl 0253.68023号 [28] Young，T.Y。；Calvert，T.W.，分类、估计和模式识别（1974），美国爱思唯尔：美国爱思惟尔纽约·Zbl 0185.47903号 [29] 阿玛里，S.I。；Murata，N.，熵损失准则下学习曲线的统计理论，神经计算。，5, 140 (1993) [30] Haussler博士。；卡恩斯，M。；Schapire，R.E.，《利用信息理论和VC维度对贝叶斯学习的样本复杂性进行限制》，《机器学习》。，14, 83 (1994) ·Zbl 0798.68145号 [31] Vapnik，V.N.，《统计学习理论的本质》（1995），施普林格出版社：纽约施普林格出版社·Zbl 0934.62009号 [32] Bock，H.-H.，《划分聚类分析中的概率模型和假设检验》（Arabie，P.；Huber，L.J.；De Soete，G.，《聚类和分类》（1996），《世界科学：新泽西州世界科学河边》），第377页·Zbl 1031.62504号 [33] de Finetti，B.（《概率论》，第2卷（1975年），威利出版社：威利纽约）·Zbl 0328.60003号 [34] Diaconis，P。；Zabell，S.L.，更新主观概率，《美国统计协会期刊》，77，822（1982）·Zbl 0504.62004号 [35] Anoulova，S。；Fischer等人。；Pölt，S。；西蒙，美国，可能几乎是贝叶斯决策，Infn。计算。，129, 63 (1996) ·Zbl 0864.68086号 [36] 伯纳多，J.M。；史密斯，A.F.M.，贝叶斯理论（1994），威利：威利奇切斯特·Zbl 0796.6202号 [37] Devroye，L.公司。；Györfi，L。；Lugosi，G.，模式识别的概率理论（1996），Springer:Springer纽约·Zbl 0853.68150号 [38] Haussler，D.，具有有界Vapnik-Chervonenkis维数的布尔超立方体子集的球面包装数，J.Combin.理论A，69，217（1995）·兹比尔0818.60005 [39] 李，M。；Vitányi，P.M.B.，归纳推理和Kolmogorov复杂性，J.Compute。系统。科学。，44, 343 (1992) ·Zbl 0755.68079号 [40] 梅尔，R。；Merhav，N.，《关于学习可实现和不可实现规则的随机复杂性》，《机器学习》。，19, 241 (1995) ·Zbl 0830.68109号 [41] Opper，M。；Haussler，D.，监督学习统计力学中预测误差的界限，物理学。修订稿。，75, 3772 (1995) [42] Ripley，B.D.，模式识别和神经网络（1996），剑桥大学：剑桥大学·Zbl 0853.62046号 [43] Cheeseman，P.，《计算机理解探究》，《计算机》。智力。，4, 58 (1988) [44] Heckerman，D.，《信念更新的公理框架》（Lemmer，J.F.；Kanal，L.N.，Uncert.Artific.Intell.，vol.2（1988），Elsevier:Elsevier New York），第11页·兹比尔0649.68093 [45] 巴尔迪，P。；Brunak，S.，《生物信息学》。《机器学习方法》（1998），麻省理工学院：麻省理学院剑桥分校·Zbl 0992.92024号 [46] Fortuner，R.，《系统生物学的计算机方法进展：人工智能、数据库、计算机视觉》（1993年），约翰·霍普金斯大学：巴尔的摩约翰·霍普金斯大学·Zbl 0850.92002号 [47] Zabell，S.L.，《继承规则》，埃尔肯尼斯，31283（1989） [48] Pitman，J.，可交换和部分可交换随机分区，Probab。理论关联。菲尔德，102145（1995）·Zbl 0821.60047号 [49] Zabell，S.L.，《预测不可预测性》，Synthese，90，205（1992）·Zbl 0757.62006号 [50] Baron，E.J。；彼得森，L.R。；Finegold，S.M.，Bailey and Scott’S Diagnostic Microbiology，第9版（1994），莫斯比：密苏里州莫斯比圣路易斯 [51] Lindley，D.V.，《贝叶斯方法》，Scand。J.Stat.，9，45（1978）·Zbl 0432.62003号 [52] Lindley，D.V。；Novick，M.R.，《可交换性在推理中的作用》，《Ann.Stat.》，9，45（1981）·Zbl 0473.62005号 [53] 希尔，B.M。；莱恩，D。；Sudderth，W.，可交换的Urn过程，年鉴Probab。，15, 1586 (1987) ·Zbl 0629.60044号 [54] Johnson，W.E.，《概率：演绎和归纳问题》，Mind XLI，164，27（1932）·Zbl 0005.25401号 [55] Good，I.J.，《多项式分布的贝叶斯显著性检验》，J.Royal Stat.Soc.Ser。B、 29399（1967）·Zbl 0162.21701号 [56] Zabell，S.L.，W.E.Johnson的“充分性”假设，《美国统计年鉴》，第10卷，第1091页（1982年）·Zbl 0512.62007号 [57] Schervish，M.J.，《统计学理论》（1995），Springer:Springer New York·Zbl 0834.62002号 [58] Wilks，S.S.，《数理统计》（1962年），Wiley:Wiley纽约·Zbl 0173.45805号 [59] Kingman，J.F.C.，随机离散分布，J.Royal Stat.Soc.B，37，1（1975）·Zbl 0331.62019号 [60] Good，I.J.，《概率估计》（1965年），麻省理工学院：麻省理学院剑桥分校·Zbl 0168.39603号 [61] Dawid，A.P.，《序贯分析、随机复杂性和贝叶斯推断》（Prequential analysis，random complexity and Bayesian inference），（Bernardo，J.M.；Berger，J.O.；Dawid；Smith，A.F.M.，Bayesia Statistics，vol.4（1992），牛津大学：牛津大学），第109页·Zbl 0800.62028号 [62] Rissanen，J.，随机复杂性（带讨论），J.Royal Stat.Soc.B，49223（1987）·Zbl 0654.62008号 [63] Gyllenberg，M。；Koski，T。；Verlaan，M.，《二元向量的随机复杂性分类》，J.Multivar。分析。，63, 47 (1997) ·Zbl 1090.62542号 [64] Gyllenberg，H.G。；Gyllenberg，M。；Koski，T。；Lund，T。；辛德勒，J。；Verlaan，M.，通过最小化随机复杂性对肠杆菌科进行分类，微生物学，143，721（1997） [65] Gyllenberg，H.G。；Gyllenberg，M。；Koski，T。；Lund，T.，作为分类工具的随机复杂性，计算。方法。生物识别程序。，56，11（1998年） [66] Gyllenberg，H.G。；Gyllenberg，M。；Koski，T.，《微生物分类学意义：将随机复杂性最小化作为一种客观分类工具》，《最新研究进展》。微生物。，5, 211 (2001) [67] Gyllenberg，H.G。；Gyllenberg，M。；Koski，T。；Lund，T。；Schindler，J.，通过最小化随机复杂性实现肠杆菌科分类，Quant。微生物。，1, 157 (1999) [68] Rissanen，J.，Fisher信息和随机复杂性，IEEE Trans。信息。理论，42，40（1996）·Zbl 0856.94006号 [69] Rissanen，J.，随机复杂性与学习，J.计算机系统。科学。，55, 89 (1997) ·Zbl 0887.68039号 [70] Davidson，L.D.，《通用无噪声编码》，IEEE Trans。信息。理论，IT-19783（1973）·Zbl 0283.94005号 [71] Gilbert，E.N.，《基于不准确信源概率的代码》，IEEE Trans。信息。理论，IT-18304（1971）·Zbl 0222.94018号 [72] Krichevsky，R.E。；Trofimov，V.K.，《通用编码的性能》，IEEE Trans。信息。理论，IT-27199（1981）·Zbl 0469.94004号 [73] 克拉克，B.S。；Barron，A.R.，Jeffreys先验在熵风险下渐近最不利，J.Stat.Plan。推断。，41, 37 (1994) ·Zbl 0820.62006号 [74] E.S.Ristad，《继承的自然法则》，研究报告，普林斯顿大学计算机科学系CS-TR 496-95，1995年；E.S.Ristad，《继承的自然法则》，研究报告，普林斯顿大学计算机科学系CS-TR 496-95，1995年 [75] Geisser，S.，《预测性歧视》（Krishnaiah，P.R.，多元分析，1966年），学术出版社：纽约学术出版社，第149页·兹标0216.48001 [76] Bahadur，R.R.，《n个二分项目反应的联合分布表示法》（Solomon，H.，项目分析和预测研究（1961），斯坦福大学：斯坦福大学），第158页·Zbl 0103.36701号 [77] Sneath，P.H.A.，《试验再现性》，国际期刊系统。细菌学。，24, 508 (1974) [78] Gyllenberg，M。；Gyllenberg，H.G。；Koski，T。；Schindler，J.，《数值分类结构的非唯一性》，Binary，5，138（1993） [79] D.J.Aldous，可交换性和相关主题，收录于：P.L.Hennequin（编辑），Es cole D’ete de probabilityés de Saint-Flour，XIII-1983，数学课堂笔记，1117，Springer，Berlin，1985，第1页；D.J.Aldous，可交换性和相关主题，收录于：P.L.Hennequin（编辑），Es cole D’ete de probabilityés de Saint-Flour，XIII-1983，数学课堂讲稿，1117，Springer，Berlin，1985，第1页·Zbl 0549.00022号 [80] Olshen，R.，关于可交换序列的注记，Z.Wahrscheinlichkeits theori.verwandte Geb。，28, 317 (1974) ·兹比尔0265.60006 [81] Kingman，J.F.C.，《互换性的使用》，Ann.Probab。，6, 183 (1978) ·Zbl 0374.60064号 [82] Glick，N.，概率估计和密度估计积分的一致性条件，Util。马瑟马特。，6, 61 (1974) ·Zbl 0295.62045号 [83] Pearson，K.，《实用统计学的基本问题》，《生物统计学》，13，1（1920） [84] Farmer III，J.J。；B.R.戴维斯。；希克曼·布伦纳（F.W.Hickman-Brenner）。；麦克沃特，A。；亨特利·卡特，G.P。；硕士阿斯伯里。；Riddle，C。；Wathen-Grady，H.G。；Elias，C。；范宁，G.R。；斯泰格沃特，A.G。；O'Hara，C.M。；莫里斯，G.K。；史密斯，P.B。；Brenner，D.J.，从临床标本中分离的肠杆菌科新物种和生物群的生化鉴定，J.Clinic。微生物。，21, 46 (1985) [85] Hintikka，J.，《未知概率、贝叶斯主义和德菲内蒂表示定理》，波士顿哲学研究所。科学。，八、 325（1971） [86] Dawid，A.P.，《统计理论中的条件独立性》，J.Royal Stat.Soc.B，41，1（1979）·Zbl 0408.62004号 [87] Berger，S.A.，《商业识别系统缺乏准确性：使用贝叶斯分析进行修正》，J.Appl。细菌学。，68, 285 (1990) 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。