×
高超;Harrison H·周。

稀疏PCA的速率最优后收缩。 （英语） Zbl 1312.62078号

Ann.统计。 43，第2期，785-818（2015）.
概要：主成分分析（PCA）可能是恢复低阶数据结构的最广泛使用的统计工具之一。在高维设置中，样本协方差的主导特征向量可以近似与真实特征向量正交。然后通常假设稀疏结构和低秩结构。最近，在各种有趣的设置下建立了稀疏PCA的最小-最大估计率。另一方面，贝叶斯方法在高维估计中越来越流行，但很少有工作将频率特性与贝叶斯算法联系起来用于高维数据分析。本文提出了稀疏PCA问题的先验知识，并分析了其理论性质。先验适应稀疏性和秩。证明了后验分布在最优极小极大率下与真值相一致。此外，还讨论了一类情形下的计算效率策略。

引用于19文件

MSC公司：

62H25个 因子分析和主成分；对应分析
62G05型 非参数估计
2015年1月62日 贝叶斯推断

关键词：

主成分分析;贝叶斯估计;后收缩
PDF格式BibTeX公司 XML格式引用
\textit{C.Gao}和\textit{H.Zhou}，Ann.Stat.43，No.2，785--818（2015；Zbl 1312.62078）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Amini，A.A.和Wainwright，M.J.（2009年）。稀疏主成分半定松弛的高维分析。安。统计师。37 2877-2921. ·Zbl 1173.62049号 ·doi:10.1214/08-AOS664
[2] Banerjee，S.和Ghosal，S.（2014年）。使用图形模型估计大精度矩阵的后验收敛速度。电子。《美国联邦法律大全》第8卷第2111-2137页·Zbl 1302.62124号 ·doi:10.1214/14-EJS945
[3] Barron，A.R.（1988）。密度函数Bayes估计的后验概率的指数收敛性。伊利诺伊州香槟伊利诺伊大学技术报告。
[4] Barron，A.R.（1989）。统一强大的拟合优度测试。安。统计师。17 107-124. ·Zbl 0674.62032号 ·doi:10.1214/aos/1176347005
[5] Barron，A.R.（1999）。贝叶斯性能的信息论表征以及参数和非参数问题中先验值的选择。贝叶斯统计6（Alcoceber，1998）27-52。牛津大学出版社，纽约·兹比尔0974.62020
[6] Barron，A.、Schervish，M.J.和Wasserman，L.（1999）。非参数问题中后验分布的一致性。安。统计师。27 536-561. ·Zbl 0980.62039号 ·doi:10.1214/aos/1018031206
[7] Bhattacharya，A.、Pati，D.、Pillai，N.S.和Dunson，D.B.（2012年）。贝叶斯收缩。预打印。可从获取·Zbl 1419.62050号
[8] Birnbaum，A.、Johnstone，I.M.、Nadler，B.和Paul，D.（2013）。含噪声高维数据的稀疏PCA的极小极大界。安。统计师。41 1055-1084. ·Zbl 1292.62071号 ·doi:10.1214/12-AOS1014
[9] Bishop，C.M.（1999a）。贝叶斯主成分分析。高级神经信息处理。系统。11 382-388.
[10] Bishop，C.M.（1999b）。变分主成分。第九届国际人工神经网络会议论文集，ICANN’99 1 509-514。IET。
[11] Cai，T.、Liu，W.和Luo，X.（2011）。稀疏精度矩阵估计的约束（ell_1）最小化方法。J.Amer。统计师。协会106 594-607·Zbl 1232.62087号 ·doi:10.1198/jasa.2011.tm10155
[12] Cai，T.T.，Ma，Z.和Wu，Y.（2013）。稀疏PCA：最优速率和自适应估计。安。统计师。41 3074-3110. ·Zbl 1288.62099号 ·doi:10.1214/13-AOS1178
[13] Cai，T.、Ma，Z.和Wu，Y.（2014）。稀疏峰值协方差矩阵的最优估计和秩检测。普罗巴伯。理论相关领域·Zbl 1314.62130号 ·doi:10.1007/s00440-014-0562-z
[14] Castillo，I.（2008）。具有高斯过程先验的后验率的下界。电子。《美国联邦法律大全》第2卷第1281-1299页·Zbl 1320.62067号 ·doi:10.1214/08-EJS273
[15] Castillo，I.和van der Vaart，A.（2012年）。大海捞针：可能稀疏序列的后向集中。安。统计师。40 2069-2101. ·Zbl 1257.62025号 ·doi:10.1214/12-AOS1029
[16] d'Aspremont，A.、El Ghaoui，L.、Jordan，M.I.和Lanckriet，G.R.G.（2007）。使用半定规划的稀疏PCA的直接公式。SIAM版本49 434-448（电子版）·邮编1128.90050 ·doi:10.1137/050645506
[17] Davis，C.和Kahan，W.M.（1970年）。特征向量的扰动旋转。III、 SIAM J.数字。分析。7 1-46. ·Zbl 0198.47201号 ·doi:10.1137/0707001
[18] Gao，C.和Zhou，H.H.（2015）。对“稀疏主成分分析的速率最优后收缩”的补充·Zbl 1312.62078号 ·doi:10.1214/14-AOS1268
[19] Ghosal，S.、Ghosh，J.K.和van der Vaart，A.W.（2000）。后验分布的收敛速度。安。统计师。28 500-531. ·Zbl 1105.62315号 ·doi:10.1214/aos/1016218228
[20] Johnstone，I.M.和Lu，A.Y.（2009年）。高维主成分分析的一致性和稀疏性。J.Amer。统计师。协会104 682-693·Zbl 1388.62174号 ·doi:10.1198/jasa.2009.0121
[21] Jolliffe，I.T.（1986）。主成分分析。纽约州施普林格·Zbl 1011.62064号 ·数字对象标识代码：10.1007/b98835
[22] Le Cam，L.（1973年）。维数限制下估计的收敛性。安。统计师。1 38-53. ·Zbl 0255.62006号 ·doi:10.1214/aos/1193342380
[23] Ma，Z.（2013）。稀疏主成分分析和迭代阈值。安。统计师。41 772-801. ·Zbl 1267.62074号 ·doi:10.1214/13-AOS1097
[24] Pati，D.、Bhattacharya，A.、Pillai，N.S.和Dunson，D.（2014）。大规模协方差矩阵稀疏贝叶斯因子模型的后验收缩。安。统计师。42 1102-1130. ·Zbl 1305.62124号 ·doi:10.1214/14-AOS1215
[25] Paul，D.和Johnstone，I.M.（2012年）。用于高维数据的增强稀疏主成分分析。预打印。可从获取。
[26] Pollard，D.（1990）。经验过程：理论与应用。在NSF-CBMS概率与统计区域会议系列2 1-86中。加利福尼亚州海沃德IMS·Zbl 0741.60001号
[27] Polson，N.G.和Scott，J.G.（2011年）。全球收缩，局部行动：稀疏贝叶斯正则化和预测。贝叶斯统计9 501-538。牛津大学出版社，牛津。 ·doi:10.1093/acprof:oso/9780199694587.003.017
[28] Schwartz，L.（1965年）。关于贝叶斯程序。Z.Wahrsch公司。版本。Gebiete 4 10-26·Zbl 0158.17606号 ·doi:10.1007/BF00535479
[29] Shen，X.和Wasserman，L.（2001）。后验分布的收敛速度。安。统计师。29 687-714. ·兹比尔1041.62022 ·doi:10.1214/aos/1009210686
[30] van der Pas，S.L.、Kleijn，B.J.K.和van der Vaart，A.W.（2014）。马蹄形估计器：近黑色向量周围的后验浓度。电子。《美国联邦法律大全》第8卷第2585-2618页·Zbl 1309.62060号 ·doi:10.1214/14-EJS962
[31] van der Vaart，A.W.和van Zanten，J.H.（2008）。基于高斯过程先验的后验分布收缩率。安。统计师。36 1435-1463. ·Zbl 1141.60018号 ·doi:10.1214/009053607000000613
[32] Vershynin，R.（2010年）。随机矩阵的非辛分析简介。预打印。可从获取。
[33] Vu，V.Q.和Lei，J.（2013）。高维极小极大稀疏主子空间估计。安。统计师。41 2905-2947. ·Zbl 1288.62103号 ·数字对象标识代码：10.1214/13-AOS1151
[34] 赵丽华（2000）。一些非参数问题的贝叶斯方面。安。统计师。28 532-552. ·Zbl 1010.62025号 ·doi:10.1214/aos/1016218229
[35] Zou，H.、Hastie，T.和Tibshirani，R.（2006）。稀疏主成分分析。J.计算。图表。统计师。15 265-286. ·doi:10.1198/106186006X113430
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。