Joint structure learning and causal effect estimation for categorical graphical models
本文提出一种结合Dirichlet先验和可逆跳跃MCMC算法的联合结构学习方法,用于估计分类图模型中的因果效应,并在模拟和真实数据中验证了其优越性。
2023-06-28 stat.CO stat.ME
Latent class analysis by regularized spectral clustering
Chongqing University of Technology(重庆理工大学)
本文提出基于正则化拉普拉斯矩阵的两种新算法,用于有序分类数据的潜在类别模型参数估计,并给出理论收敛速率、类别数确定度量及模拟与真实数据验证。
2026-09-09 cs.LG stat.ML
Beyond the Flow: A Bayesian Latent Clustering Framework for Shared Micro-mobility Users in Venice
Department of Statistical Sciences, University of Padova(帕多瓦大学统计科学系)
提出贝叶斯有限混合模型,直接从重复出行记录中聚类共享微出行用户,保留出行类别结构,识别八种潜在移动模式。
2026-07-01 stat.AP
Finite mixture model of conditional dependencies modes to cluster categorical data
我们提出了一个简约的扩展经典的潜在类模型聚类分类数据放松类条件独立性假设。在这种新的混合模型,命名为条件模式模型,变量被分组到条件独立的块。相应的块分布是一个简约的多项分布,其中几个自由参数对应于最可能的模态交叉,而其余的概率质量均匀分布在其他模态交叉。因此,该模型允许带出变量之间的类内依赖性,并通过几个特征模态交叉来总结每个类。模型选择是通过一个内吉布斯采样器,以克服块结构搜索的计算困难。由于这种方法涉及到计算的完整数据的可能性,我们提出了一种新的方法(精确的连续参数和近似的离散),它避免了偏见的\textsc{bic}标准指出,我们的实验。最后,仅通过\textsc{em}算法估计最佳模型的参数。模拟数据和两个生物数据集上的新模型的特点说明。这些结果加强了这样一种想法,即这个简单的模型可以减少条件独立假设所涉及的偏差,并给出有意义的参数。两种应用程序均使用R软件包\texttt{CoModes}进行
2014-02-20 stat.ME
Improved model-based clustering performance using Bayesian initialization averaging
期望最大化(EM)算法是一种常用的通过坐标上升求混料模型参数的最大似然估计的方法。该算法的一个严重缺陷是,在多模态似然函数的情况下,它可能会陷入局部最大值。当使用次优起始值来初始化算法时,经常会出现此问题。贝叶斯初始化平均(BIA)被提出作为一种集成方法来产生高质量的初始值的期望最大化算法。竞争的试验起始值集合被组合为加权平均值,然后将其用作完整EM运行的起始位置。该方法还可以扩展到变分贝叶斯(VB)方法,一类类似于EM的算法,基于模型后验的近似。BIA方法证明了真正的连续,分类和网络数据集,收敛的对数似然和相关的聚类解决方案。这些与使用竞争初始化方法(如随机启动、分层聚类和确定性退火)产生的输出相比毫不逊色,在合理的计算成本下,在较高百分比的情况下获得了最高可用的最大似然估计。不同的聚类解决方案所获得的局部极大值的影响进行了讨论。
2018-08-30 stat.CO
The Bayesian Sorting Hat: A Decision-Theoretic Approach to Size-Constrained Clustering
大小约束聚类(SCC)是指使用观测值来确定潜在聚类结构,同时将观测值分配给未知聚类的双重问题,该未知聚类受到分析师定义的聚类大小约束。虽然已经提出了几种方法,SCC仍然是一个困难的问题,由于观测之间的组合依赖性的大小约束。在这里,我们重新制定SCC作为一个决策问题,并引入了一个新的损失函数来捕捉各种类型的大小约束。相对于以前的工作,我们的方法是唯一适合的情况下,大小约束反映和外部限制或愿望,而不是内部功能的数据生成过程。为了证明我们的方法,我们开发了一个贝叶斯混合模型,用于使用模拟和真实的分类调查数据对受访者进行聚类。我们的动机,这种决策理论的方法,SCC的发展是确定最佳的团队分配哈利波特为主题的寻宝游戏的基础上,从参与者的分类调查数据。
2017-10-17 stat.AP stat.ME
Fair Bayesian Model-Based Clustering
Department of Statistics(统计系)
针对现有群体公平聚类多依赖K-means、需预定义聚类数和距离的局限,提出公平贝叶斯聚类FBC,通过特殊公平先验和高效MCMC算法,可推断聚类数、适配多数据类型,在真实数据集上实现有竞争力的效用-公平性权衡。
2025-06-15 cs.AI cs.LG stat.ML
Bayesian variable selection for latent class analysis using a collapsed Gibbs sampler
潜在类别分析用于对多变量分类响应执行基于模型的聚类。选择与聚类最相关的变量是一项重要的任务,它会大大影响聚类的质量。这项工作认为贝叶斯方法选择的集群数量和最佳聚类变量。其主要思想是重新制定的问题组和变量选择的概率驱动搜索在一个大的离散空间使用马尔可夫链蒙特卡罗(MCMC)方法。这种方法的结果是估计聚类的每个变量的相关程度以及聚类数的后验概率。然后可以很容易地计算贝叶斯因子,并以原则性的方式选择合适的模型。这两个选择任务同时进行,使用MCMC方法的基础上崩溃的吉布斯抽样方法,其中几个模型参数集成的模型,大大提高了计算性能。提出了估计类成员资格,变量包含和组数的后验边际概率的方法,并概述了参数和不确定性估计的事后程序。模拟和真实数据的方法进行了测试。
2015-04-30 stat.CO
Advancing clustering methods in physics education research: A case for mixture models
University of California, Santa Barbara(加州大学圣塔芭芭拉分校);Drexel University(德雷塞尔大学);University of California, Riverside(加州大学河滨分校)
本文探讨了混合模型在物理教育研究中的应用,对比了k-modes聚类与潜在类别分析的理论差异,并通过平行分析展示其在解决相同研究问题时的异同。
2025-06-12 physics.ed-ph stat.ME
A Mean Field Games model for finite mixtures of Bernoulli and Categorical distributions
有限混合模型是数据的统计分析中的重要工具,例如在数据聚类中。混合模型的最优参数通常通过期望最大化算法最大化对数似然泛函来计算。我们提出了一种替代方法的理论基础上的平均场游戏,一类微分游戏与无限数量的代理。我们证明了有限状态空间多种群平均场博弈系统的解刻画了伯努利混合的对数似然泛函的临界点。然后将该方法推广到分类分布的混合模型。因此,平均场游戏的方法提供了一种方法来计算混合模型的参数,我们展示了它的应用程序在聚类分析中的一些标准的例子。
2020-11-27 cs.LG math.AP stat.ML
Approximate learning of parsimonious Bayesian context trees
Imperial College London(帝国理工学院)
本文提出一种简洁的贝叶斯上下文树模型,用于捕捉分类序列中的复杂依赖结构,通过高效参数减少和聚类上下文,提升实时数据流处理能力。
2024-07-27 stat.CO stat.ML
Clustering and Meta-Analysis Using a Mixture of Dependent Linear Tail-Free Priors
针对免疫疗法元分析中研究异质性强的问题,提出带Dirichlet过程混合随机划分的扩展线性相依无尾过程非参数贝叶斯模型,支持条件共轭后验更新,用于验证生物标志物在免疫疗法研究设计中的应用。
2024-06-22 stat.ME
VICatMix: variational Bayesian clustering and variable selection for discrete biomedical data
MRC Biostatistics Unit University of Cambridge East Forvie Building(医学研究理事会生物统计学单位剑桥大学东部大楼);MRC Biostatistics Unit and CRUK Cambridge Centre Ovarian Programme and Cambridge Institute of Therapeutic Immunology and Infectious Disease (CITIID) University of Cambridge(医学研究理事会生物统计学单位和癌症研究英国委员会剑桥中心卵巢计划及剑桥治疗免疫学和传染病研究所(CITIID)剑桥大学)
VICatMix通过变分贝叶斯方法实现高效聚类和变量选择,适用于高维生物医学数据,提升癌症亚型分组和驱动基因发现的准确性。
2026-03-01 cs.LG stat.ME stat.ML
Mixture of Latent Trait Analyzers for Model-Based Clustering of Categorical Data
连续数据的基于模型的聚类方法已经得到了很好的建立,并且在广泛的应用中得到了广泛的应用。然而,分类数据的基于模型的聚类方法不太标准。潜在类分析是一种常用的基于模型的二进制数据和/或分类数据的聚类方法,但由于假设的局部独立结构,估计的潜在类和感兴趣的群体中的组之间可能没有对应关系。潜在特质分析器模型的混合扩展潜在类分析,假设一个模型的分类响应变量,取决于一个分类的潜在类和一个连续的潜在特质变量;离散的潜在类容纳组结构和连续的潜在特质容纳这些组内的依赖。拟合潜在特质分析者的混合模型潜在地是困难的,因为似然函数涉及不能被分析地评估的积分。我们开发了一个变分的方法来拟合潜在特质模型的混合物,这提供了一个有效的模型拟合策略。潜在特质分析者的混合模型的分析数据来自国家长期护理调查(NLTCS)和美国国会的投票。该模型产生直观的聚类结果,它给出了一个更好的适合无论是潜在的类分析或潜在性状分析。
2013-02-19 stat.CO stat.ME
GALILEO: A Generalized Low-Entropy Mixture Model
JHU Applied Physics Laboratory(约翰霍普金斯大学应用物理实验室)
本文提出了一种新的方法来生成具有分类属性的数据的混合模型。这种方法的关键是在分类空间中基于熵的密度度量和从具有许多组件的初始状态退火高熵/低密度组件。使用基于熵的密度对低密度组件进行修剪,使GALILEO能够始终找到高质量的集群和相同的最佳集群数量。GALILEO在一系列通常用于分类聚类基准的测试数据集上显示出了有希望的结果。我们证明了GALILEO的缩放在数据集中的记录数量上是线性的,使得该方法适用于非常大的分类数据集。
2017-08-24 cs.DS cs.LG math.PR
Bayesian Bi-clustering Methods with Applications in Computational Biology
双聚类是一种有用的方法,在分析生物数据时,观察来自异质群体,并有大量的功能。我们概述了一个一般的贝叶斯方法在处理双聚类问题,在中等到高的维度,并提出了三个贝叶斯双聚类模型的分类数据,增加了复杂性,在他们的建模跨双集群的特征分布。我们提出的方法适用于广泛的场景:从数据仅在一小部分特征中可区分但被大量噪声掩盖的情况,到不同组的数据由不同的特征集或数据呈现层次结构来识别的情况。通过模拟研究,我们表明,我们的方法优于现有的(双)聚类方法在识别集群和恢复跨双集群的特征分布模式。我们将我们的方法应用于两个遗传数据集,尽管我们的方法的应用领域更广。
2021-02-09 stat.AP
Exploring complex dependence structures using Bayesian bi-clustering and log-linear graphical modelling
University of St Andrews(圣安德鲁斯大学)
该研究结合贝叶斯双聚类与对数线性图模型,通过理论推导与模拟、真实数据验证,揭示变量依赖结构,阐明混合建模与图对数线性建模的关系,助力高效探索庞大的模型空间。
2026-11-10 stat.ME
Enhancing the selection of a model-based clustering with external qualitative variables
在聚类分析中,根据外部分类变量解释从数据构建的分区可能是有用的,这些变量不直接涉及数据聚类。在基于模型的聚类环境中,提出了一种方法来选择一个模型和一些集群,既适合数据,并利用潜在的说明能力的外部变量。这种方法利用了数据和分区的集成联合似然性,即基于模型的分区和与外部变量相关联的分区。值得注意的是,每个混合模型都是通过极大似然方法与数据拟合的,不包括仅用于选择相关混合模型的外部变量。数值实验说明了所推导出的准则的良好行为。
2013-07-17 stat.AP stat.ME
Multiple co-clustering based on nonparametric mixture models with heterogeneous marginal distributions
我们提出了一种新的方法,多个集群,假设一个共同的聚类结构(分区的行和列的数据矩阵)在每个视图。该方法适用于高维数据。它是基于一个非参数贝叶斯方法,其中的视图的数量和功能/主题集群的数量推断在数据驱动的方式。我们同时模拟不同的分布族,如高斯分布,泊松分布和多项分布在每个集群块。这使得我们的方法适用于由数值和分类变量组成的数据集,这是生物医学数据通常所做的。聚类的解决方案是基于变分推断与平均场近似。我们将所提出的方法应用于合成和真实数据,并表明我们的方法在恢复真实的聚类结构和计算时间方面都优于其他多个聚类方法。最后,我们将我们的方法应用于抑郁症数据集,没有真正的聚类结构,从中得出有用的推论可能的聚类结构的数据。
2015-10-21 stat.ML
Deep Clustering of Compressed Variational Embeddings
Duke University(杜克大学);University of Minnesota-Twin Cities(明尼苏达大学双城分校)
出于对有限的通信带宽和低功耗的需求不断增长,我们提出了一种新的方法,命名为联合变分自动编码器与伯努利混合模型(VAB),在压缩数据域进行聚类。其思想是通过变分自编码器(VAE)降低数据维度,并通过伯努利混合模型(BAE)对数据表示进行分组。一旦针对压缩和聚类进行了联合训练,模型就可以分解为两个部分:将原始数据编码为压缩数据的数据供应商,以及对接收到的(压缩)数据进行分类的数据消费者。通过这种方式,数据供应商受益于数据安全性和通信带宽,而数据消费者受益于低计算复杂性。为了使用梯度下降算法进行训练,我们建议使用Gumbel-Softmax分布来解决在评估分类样本时反向传播算法的不可行性。
2019-10-23 cs.LG eess.IV stat.ML
Kernel discriminant analysis and clustering with parsimonious Gaussian process models
这项工作提出了一个家庭的简约高斯过程模型,允许建立,从有限的样本,在无限维空间中的基于模型的分类。建议的简约模型是通过约束特征分解的高斯过程建模每一类。这特别允许使用将观测投影到无限维空间中的非线性映射函数。它还表明,可以直接从观察空间通过核函数的分类器的建设。因此,所提出的分类方法能够对各种类型的数据进行分类,例如分类数据、功能数据或网络。此外,可以通过组合不同的内核来对混合数据进行分类。该方法也扩展到无监督分类的情况下。在不同数据集上的实验结果证明了该方法的有效性。
2012-06-15 stat.AP stat.ME
Bayesian clustering of multiple zero-inflated outcomes
本文提出一种贝叶斯非参数联合模型,对多个零膨胀计数过程进行两层聚类,并通过 WhatsApp 消息服务应用验证了方法有效性。
2022-08-29 stat.AP stat.ME
Adversarially Learned Mixture Model
Imagia
逆向学习混合模型(AMM)是一种用于无监督或半监督数据聚类的生成模型。AMM是第一个逆向优化的方法来模拟推断的连续和分类潜变量之间的条件依赖性。MNIST和SVHN数据集上的实验表明,AMM允许复杂数据的语义分离时,很少或根本没有标记的数据。AMM在MNIST数据集上实现了2.86%的最先进的无监督聚类错误率。AMM的半监督扩展在SVHN数据集上产生了有竞争力的结果。
2022-04-23 cs.LG stat.ML
Fair Model-based Clustering
本文提出了一种基于有限混合模型的公平聚类算法FMC,解决了传统方法参数数量与样本大小成比例的问题,实现了可扩展的公平聚类。
2026-02-25 cs.LG stat.AP stat.ML
Bayesian Latent Class Regression with Interpretable Binary Profiles
Duke University(杜克大学);Columbia University(哥伦比亚大学)
针对高维分类数据,提出一种引入二元潜在属性层的贝叶斯潜在类别回归模型(BLIP),满足可识别性和后验一致性,并具有贝叶斯最优聚类性质以应对维数灾难。
2026-05-27 stat.ME
Spectral Clustering with Likelihood Refinement for High-dimensional Latent Class Recovery
Columbia University(哥伦比亚大学)
本文提出了一种基于谱聚类和似然细化的两阶段算法,用于高维二元响应的潜在类别恢复,通过理论保证和实验验证展示了其优越性能。
2026-02-13 stat.ME
An Efficient $k$-modes Algorithm for Clustering Categorical Datasets
Iowa State University(爱荷华州立大学)
从数据中挖掘聚类是许多应用中的重要工作。$k$ -均值方法是一种流行的、有效的、不受分布限制的数值数据聚类方法,但不适用于分类值观测。$k$ -模式方法通过用汉明距离替换欧几里德并用$k$ -均值目标函数中的模式替换均值来解决该缺陷。我们提供了一种新颖的,计算效率高的$k$模式,称为OTQT的实现。我们证明,OTQT发现更新,以改善现有的$k$模式算法无法检测到的目标函数。虽然由于算法复杂性,每次迭代的速度稍慢,但OTQT每次迭代总是更准确,并且几乎总是更快(在某些数据集上仅略慢)到达最终最优值。因此,我们推荐OTQT作为$k$模式优化的首选默认算法。
2021-06-23 cs.CV stat.AP stat.CO
A Sparse Factor Model for Clustering High-Dimensional Longitudinal Data
本文提出一种基于稀疏因子模型的贝叶斯非参数混合方法,通过在潜在因子层面进行聚类并利用Dirichlet过程先验估计簇数,有效解决了高维混合类型纵向数据的聚类难题。
2023-11-24 stat.AP stat.ME
Multi-Facet Clustering Variational Autoencoders
University of Oxford(牛津大学);University of Cambridge(剑桥大学);University College London(伦敦大学学院);Health Data Research UK(英国健康数据研究中心);The Alan Turing Institute(艾伦·图灵研究所);University of Manchester(曼彻斯特大学)
深度集群的工作重点是找到数据的单个分区。然而,高维数据(如图像)通常具有多个可以聚类的有趣特征。例如,在背景上的物体图像可以在物体的形状上聚类,并根据背景的颜色单独聚类。在本文中,我们介绍了多方面聚类变分自编码器(MFCVAE),这是一类新型的变分自编码器,具有一系列潜在变量,每个变量都具有混合高斯先验,可以同时学习多个聚类,并且完全无监督和端到端训练。MFCVAE使用渐进式训练的梯形架构,导致高度稳定的性能。我们提供了新的理论结果优化ELBO分析方面的分类变分后验分布,纠正早期有影响力的理论工作。在图像基准测试中,我们证明了我们的方法可以以一种解脱的方式分离和聚类数据的不同方面。我们还展示了我们的模型的其他优点:其潜在空间的组合性,它提供了控制生成的样本。
2021-10-29 cs.CV cs.LG stat.ME
Bayesian profile regression for clustering analysis involving a longitudinal response and explanatory variables
鉴定具有共同功能的共调控基因是现代基因组学的一个关键问题。贝叶斯轮廓回归是一种半监督混合建模方法,它利用响应来指导对相关聚类的推断。以前的应用程序的配置文件回归考虑了单变量连续,分类,计数的结果。在这项工作中,我们扩展贝叶斯轮廓回归的情况下,结果是纵向(或多变量连续),并提供PReMiuMlongi,更新版本的PReMiuM,R包配置文件回归。我们考虑多元正态和高斯过程回归响应模型,并提供了四个模拟研究的原则应用程序的证明。该模型适用于芽殖酵母的数据,以确定在酿酒酵母细胞周期的基因组共调节。我们确定了4个不同的基因组与特定模式的基因表达轨迹,随着绑定的转录因子,可能参与其共同调控过程。
2021-11-08 stat.AP stat.ME
Identifying the number of clusters in discrete mixture models
分类数据聚类分析的研究不断发展,新的聚类算法不断提出。然而,在这种情况下,很少涉及到集群数量的确定。在本文中,我们提出了一种新的方法,其中分类数据的聚类和聚类数的估计同时进行。假设数据来源于一个有限的混合多项分布,我们开发了一种方法来选择混合成分的数量的基础上的最小消息长度(MML)标准和实现一个新的期望最大化(EM)算法来估计所有的模型参数。所提出的EM-MML方法,而不是从一组预先估计的候选模型中选择一个(这需要运行EM多次),在单个算法中无缝地集成了估计和模型选择。所提出的方法的性能进行比较与其他知名的标准(如贝叶斯信息标准-BIC),诉诸合成数据和两个真正的应用程序从欧洲社会调查。EM-MML的计算时间是所提出的方法的一个明显的优势。此外,真实数据的解决方案比竞争方法提供的解决方案更简约,这降低了模型阶次高估的风险,并提高了可解释性。
2014-09-25 stat.ME stat.OT
Optimal Bayesian estimators for latent variable cluster models
在聚类分析中,兴趣在于概率性地捕获个体、项目或观察结果到组中的分区,使得属于同一组的那些共享相似的属性或关系简档。贝叶斯后验样本的潜在分配变量可以有效地获得在广泛的聚类模型,包括有限的混合,无限的混合,隐马尔可夫模型和块模型的网络。然而,由于聚类变量的分类性质和缺乏可扩展的算法,可以解释这些样本的汇总工具不可用。我们采用贝叶斯决策理论的方法来定义聚类的最优性标准,并提出了一个快速和上下文无关的贪婪算法来找到最佳的分配。我们的方法的一个重要方面是,自动选择的最佳数量的组,从而解决了聚类和模型选择的问题在同一时间。我们考虑几个损失函数比较分区,并表明我们的方法可以适应各种情况。最后,我们说明了我们的方法对各种实际数据的应用程序为三种不同的聚类模型:高斯有限混合,随机块模型和潜在的块模型的网络。
2017-03-22 stat.ME
Effect fusion using model-based clustering
在社会和经济研究中,许多收集的变量都是在名义规模上测量的,通常有大量的类别。类别的定义通常并不明确,使用更细或更粗网格的不同分类方案都是可能的。当此类变量作为协变量纳入回归模型时,分类会产生影响:过细的网格将导致相应效应的估计不精确,而过粗的网格将错过重要效应,导致偏倚效应估计和预测性能差。为了实现自动分组的水平基本上相同的效果,我们采用贝叶斯方法,并指定先验的水平效果作为一个位置的混合尖峰正常成分。水平效应的融合是由混合权重上的先验引起的,该先验鼓励空组分。MCMC采样期间基于模型的效应聚类允许同时检测具有基本相同效应大小的类别,并识别完全没有效应的变量。在模拟研究中,这种方法的属性进行了研究。最后,该方法应用于分析高维分类预测在奥地利的收入的影响。
2017-03-22 stat.ME
Ultimate Pólya Gamma Samplers -- Efficient MCMC for possibly imbalanced binary and categorical data
针对二分类与分类数据贝叶斯建模门槛高且采样效率低的问题,提出基于Pólya-Gamma随机变量的新型潜变量表示与Gibbs采样算法,并引入边际数据增强策略提升MCMC采样效率。
2023-06-30 stat.CO stat.ME
A Bayesian Finite Mixture Model Approach for Mixed-type Data Clustering and Variable Selection with Censored Biomarkers
University of Pittsburgh(匹兹堡大学)
本文提出一种贝叶斯有限混合模型方法,用于处理混合类型数据的聚类和变量选择,尤其在处理截断生物标志物方面具有优势,通过模拟研究和实际数据集验证其在复杂生物医学数据中的有效性。
2026-06-23 stat.AP
Tree-Embedded Bayesian Factor Models for Multidimensional Categorical Distributions
Waseda University(早稻田大学);The University of Tokyo(东京大学);Keio University(庆应义塾大学);Meiji University(明治大学)
提出一种树嵌入贝叶斯因子模型,通过低维结构简洁描述分组分类数据,利用无限因子模型自适应估计有效因子数,并推广到空间依赖情形,在小样本下优于现有模型。
2026-06-29 stat.ME
Mixed-type Distance Shrinkage and Selection for Clustering via Kernel Metric Learning
University of British Columbia(不列颠哥伦比亚大学)
针对混合类型数据距离度量问题,提出基于混合核的 KDSUM 度量方法,通过交叉验证优化带宽选择,实现了从现有混合度量到统一度量的收缩,显著提升了聚类准确率。
2024-10-11 cs.LG stat.CO stat.ME
Modelling High-Dimensional Categorical Data Using Nonconvex Fusion Penalties
本文提出了一种高维线性模型的估计方法。我们的估计器称为SCOPE,通过使它们对应的系数完全相等来将水平融合在一起。这是通过对分类变量的系数的顺序统计量之间的差异使用极小极大凹罚来实现的,从而对系数进行聚类。我们提供了一个算法,精确和有效的计算结果的非凸目标的全局最小值的情况下,一个单一的变量与潜在的许多水平,并使用此块坐标下降过程中的多变量的情况下。我们表明,利用未知水平融合的Oracle最小二乘解是具有高概率的坐标下降的极限点,只要真实水平具有一定的最小分离;这些条件在单变量情况下已知是最小的。我们证明了良好的性能范围内的真实和模拟数据集。CRAN上有一个R包CatReg,它实现了线性模型的SCOPE,还有一个逻辑斯谛回归的版本。
2021-12-17 math.ST stat.CO stat.ME
Variable Selection for Latent Class Analysis with Application to Low Back Pain Diagnosis
确定与腰痛疾病相关的最相关临床标准可能有助于评估疼痛的性质,从而有效地告知患者评估和治疗。关于腰痛的数据可以是分类性质的,以检查表的形式,其中每个项目表示存在或不存在临床状况。潜在类别分析是一种基于模型的聚类方法,用于多变量分类响应,可应用于此类数据,用于疼痛类型的初步诊断。在这项工作中,我们提出了一个变量选择方法,潜在的类分析适用于选择最有用的变量,在检测组结构的数据。该方法是基于两个不同的模型的比较,并允许丢弃那些没有组信息的变量和那些变量携带相同的信息作为已经选定的。我们考虑一个交换逐步算法,在每一步的模型进行比较,通过近似其贝叶斯因子。该方法适用于选择的临床标准最有用的聚类患者在不同的类别。它被证明是执行一个简约的变量选择,并给出聚类性能相比,基于专家的分类的患者分为三类的疼痛。
2018-02-05 stat.AP stat.CO stat.ME
A Two-Stage Variable Selection Approach for Correlated High Dimensional Predictors
在拟合统计模型时,经常会发现一些预测因子之间存在相关性,并共同起作用。许多组变量选择方法被开发来选择与连续或分类响应密切相关的预测变量组。这些现有的方法通常假设群的结构是已知的。例如,具有类似实际意义的变量,或由分类数据创建的虚拟变量。然而,在实践中,知道确切的群结构是不切实际的,特别是当变量维数很大时。结果,可以选择组变量选择结果。为了解决这一挑战,我们提出了一个两阶段的方法,结合变量聚类阶段和组变量阶段的组变量选择问题。变量聚类阶段使用来自数据的信息来找到组结构,这提高了现有组变量选择方法的性能。对于预测因子远大于观测值的三维数据,我们在第一阶段采用了变量筛选方法,并展示了这种方法的优点。在这篇文章中,我们比较和讨论了四个现有的组变量选择方法在不同的模拟模型下的性能,有和没有变量聚类阶段。两阶段方法在预测精度以及选择活动预测因子的精度方面表现出更好的性能。运动员的数据也被用来显示所提出的方法的优点。
2021-03-24 stat.AP stat.CO stat.ME