×
尤卡爵士;塞缪尔·卡斯基

摘要统计数据的局部降维以实现无似然推理。 （英语） Zbl 1436.62099号

统计计算。 30，第3号，559-570（2020）.
摘要：近似贝叶斯计算（ABC）和其他类似的无障碍推理方法在过去十年中得到了广泛应用，因为它们允许在没有分析可处理的似然函数的情况下对复杂模型进行严格的统计推断。使用ABC进行准确推断的一个关键因素是选择汇总统计数据，该统计数据汇总了数据中的信息，但同时应低维以提高效率。引入了几种降维技术，从可能很大的候选摘要池中自动构建信息丰富的低维摘要。基于投影的方法基于从摘要到参数的简单函数关系的学习，被广泛使用，通常表现良好，但当转换背后的假设不满足时，可能会失败。对于任何基于投影的降维方法，我们都引入了一种定位策略，即在观测数据的邻域而不是整个空间中估计变换。以前曾提出过本地化策略，但转换后的摘要在本地邻域之外的性能尚未得到保证。在我们的本地化方法中，转换在验证数据集上进行了验证和优化，确保了可靠的性能。对于三种不同复杂度的模型，我们证明了线性回归和偏最小二乘局部版本的估计精度的改进。

MSC公司：

2015年1月62日 贝叶斯推断
62J05型 线性回归；混合模型

关键词：

近似贝叶斯计算;尺寸缩减;无似然推理;摘要统计信息;线性回归

软件：

青蒿素;ELFI公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Sirén}和\textit{S.Kaski}，统计计算。30，第3号，559--570（2020；Zbl 1436.62099）
全文： 内政部 arXiv公司

参考文献：

[1] 埃施巴赫，S。；马萨诸塞州博蒙特；Futschik，A.，在近似贝叶斯计算中选择摘要统计的新方法，遗传学，192，3，1027-1047（2012）·doi:10.1534/genetics.112.143164
[2] 巴伯，S。；沃斯，J。；韦伯斯特，M.，近似贝叶斯计算的收敛速度，电子。《美国法律总汇》，9，1，80-105（2015）·Zbl 1307.62063号 ·doi:10.1214/15-EJS988
[3] 马萨诸塞州博蒙特；张伟。；Balding，Dj，《群体遗传学中的近似贝叶斯计算》，遗传学，162,42025-2035（2002）
[4] Blum、Mgb；François，O.，近似贝叶斯计算的非线性回归模型，统计计算。，20, 1, 63-73 (2010) ·doi:10.1007/s11222-009-9116-0
[5] 布鲁姆，M。；Nunes，M。；Prangle，D。；Sisson，S.，《近似贝叶斯计算中降维方法的比较评述》，《统计科学》。，28, 2, 189-208 (2013) ·Zbl 1331.62123号 ·doi:10.1214/12-STS406
[6] Drovandi，抄送：；安·佩蒂特；Lee，A.，使用参数辅助模型的贝叶斯间接推理，Stat.Sci。，30, 72-95 (2015) ·Zbl 1332.62088号 ·doi:10.1214/14-STS498
[7] 费恩黑德，P。；Prangle，D.，《为近似贝叶斯计算构建摘要统计：半自动近似贝叶斯计算》，J.R.Stat.Soc.Ser。B（Methodol.），74，1-28（2012）·Zbl 1411.62057号 ·文件编号：10.1111/j.1467-9868.2011.01019.x
[8] 古特曼，穆；Corander，J.，基于仿真器的统计模型的无似然推理的贝叶斯优化，J.Mach。学习。研究，17，1，4256-4302（2016）·Zbl 1392.62072号
[9] Mu Gutmann；杜塔，R。；Kaski，S。；Corander，J.，通过分类进行无似然推理，统计计算。，28, 2, 411-425 (2018) ·Zbl 1384.62089号 ·doi:10.1007/s11222-017-9738-6
[10] Ma Haynes；Macgillivray，H。；Mengersen，K.，《使用广义g-和-K分布的排名和选择规则的稳健性》，J.Stat.Plan。推理，65，1，45-66（1997）·Zbl 0955.62017号 ·doi:10.1016/S0378-3758（97）00050-5
[11] Joyce，P.，Marjoram，P.：近似充分统计和贝叶斯计算。统计应用程序。遗传学。分子生物学。7(1) (2008). 10.2202/1544-6115.1389 ·Zbl 1276.62077号
[12] Kangasrääsiö，A.，Athukorala，K.，Howes，A.，Corander，J.，Kaski，S.，Oulasvirta，A.：使用近似贝叶斯计算从数据推断认知模型。参见：2017年CHI计算机系统人为因素会议记录，CHI’17，ACM，美国纽约州纽约市，第1295-1306页（2017）。10.1145/3025453.3025576
[13] Lintusari，J。；Mu Gutmann；杜塔，R。；Kaski，S。；Corander，J.，《基本原理和近似贝叶斯计算的最新发展》，系统。生物，66，1，e66-e82（2017）
[14] Lintusari，J。；Vuollekoski，H。；Kangasrääsiö，A。；英国Skytén。；Järvenpää，M。；马丁宁，P。；Mu Gutmann；Vehtari，A。；Corander，J。；Kaski，S.，ELFI：无相似性推理引擎，J.Mach。学习。决议，19，1，643-649（2018）
[15] 努内斯，M。；Balding，D.，《关于近似贝叶斯计算中汇总统计量的最佳选择》，Stat.Appl。遗传学。分子生物学。，9, 1, 34 (2010) ·Zbl 1304.92047号 ·数字对象标识代码：10.2202/1544-6115.1576
[16] 格鲁·彼得斯；帕纳伊，E。；Septier，F。；Sisson，Sa；范，Y。；Beaumont，Ma，估计极限订单随机模拟模型的序贯蒙特卡罗ABC方法，近似贝叶斯计算手册，437-480（2018），博卡拉顿：查普曼和霍尔/CRC，博卡拉敦
[17] Prangle，D.，调整ABC距离函数，贝叶斯分析。，12, 1, 289-309 (2017) ·兹比尔1384.62098 ·doi:10.1214/16-BA1002
[18] Prangle，D。；Sisson，S。；范，Y。；Beaumont，M.，《近似贝叶斯计算中的汇总统计》，《近似贝氏计算手册》（2018），博卡拉顿：查普曼和霍尔/CRC，博卡拉顿
[19] 普里查德，Jk；塞尔斯塔德，Mt；Perez-Lezaun，A。；Feldman，Mw，人类Y染色体的群体增长：Y染色体微卫星的研究，分子生物学。演变。，16, 12, 1791-1798 (1999) ·doi:10.1093/oxfordjournals.molbev.a026091
[20] J.én爵士。；透镜，L。；库索，L。；Ovaskainen，O.，通过使用近似贝叶斯计算拟合基于个体的模型来评估自然种群的动态，方法Ecol。演变。，9, 5, 1286-1295 (2018) ·doi:10.1111/2041-210X.12964
[21] Sisson，Sa公司；范，Y。；马萨诸塞州博蒙特；Sisson，Sa；范，Y。；Beaumont，Ma，近似贝叶斯计算概述，近似贝叶斯计算手册（2018），博卡拉顿：查普曼和霍尔/CRC，博卡拉通
[22] 斯诺克，J。；拉罗谢尔，H。；Adams，Rp；佩雷拉，F。；伯格斯，C。；博图，L。；Weinberger，K.，机器学习算法的实用贝叶斯优化，神经信息处理系统进展，2951-2959（2012），Red Hook:Curran Associates，Inc.，Red Hook
[23] 塔瓦雷，S。；秃顶，Dj；Griffiths，Rc；Donnelly，P.，从DNA序列数据推断聚合时间，遗传学，145，2，505-518（1997）
[24] Toni，T。；韦尔奇，D。；斯特雷尔科瓦，N。；艾普森。；Stumpf，Mp，动力学系统中参数推断和模型选择的近似贝叶斯计算方案，J.R.Soc.Interface，6，31，187-202（2009）·doi:10.1098/rsif.2008.0172
[25] 韦格曼，D。；Leuenberger，C。；Excoffier，L.，高效近似贝叶斯计算与无似然马尔可夫链蒙特卡罗，遗传学，182，4，1207-1218（2009）·doi:10.1534/genetics.109.102509
[26] Wood，Sn，噪声非线性生态动力系统的统计推断，《自然》，46673101102-1104（2010）·doi:10.1038/nature09319
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。