摘要
我们提出了一种贝叶斯方法来估计多类函数模型中的参数。考虑无序多项式概率、有序多项式概率和多项式logistic模型。在这三个多项式模型中,我们使用基于适当基础(如B样条)的有限随机序列先验,并使用贝叶斯规则对函数数据进行分类。我们基于马尔可夫链蒙特卡罗(MCMC)输出估计的边际似然对模型进行平均。计算了三种多项式模型的后验收缩率。我们还考虑了对原始函数数据应用函数主成分技术获得的多元数据进行贝叶斯线性和二次判别分析。对不同类型的数据进行了模拟研究,以比较这些方法。我们还将这些方法应用于音素数据集。
引用
下载引文
李秀琪。
Subhashis Ghosal公司。
“多类功能数据的贝叶斯分类。”
电子。J.统计。
12
(2)
4669 - 4696,
2018
https://doi.org/10.1214/18-EJS1522
问询处
收到日期:2018年8月1日;出版时间:2018年
首次在欧几里德项目中提供:2018年12月22日
数字对象标识符:10.1214/18-EJS1522
关键词:样条,判别分析,多类功能数据,多项式probit模型,后收缩率