狄利克雷过程混合广义线性模型
摘要：非参数回归的新方法：广义线性模型的狄利克雷过程混合模型(DP-GLM)，适用于连续和分类的输入，以及可以由广义线性模型建模的响应变量。我们证明了DP-GLM回归均值函数估计的渐近无偏性条件。我们还给出了满足这些条件的示例，包括紧支持连续分布的模型和具有连续协变量和分类响应的模型。我们通过实证分析DP-GLM的性质，以及为什么它比现有的狄利克雷过程混合回归模型提供更好的结果。我们将DP-GLM与现代的非参数回归方法（如CART、贝叶斯树和高斯过程）在多个数据集上进行比较评估。与现有技术相比，DP-GLM提供了一个单一的模型（及相应的推断算法），在许多回归设置中表现良好。
作者：Lauren A. Hannah, David M. Blei, Warren B. Powell
论文ID：0909.5194
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-07-16