多路径，多视角学习
摘要：多视角、多变量的多元方差分析扩展到一个协变量为视图的情况，其中每个视图的特征来自不同的高维领域。假设不同的视图通过成对样本连接; 这是最近生物信息学实验中的常见设置，我们分析不同组织（视图）中不同条件（疾病对照组和治疗对未治疗组）下的代谢物谱系。我们引入了一个新的多维潜变量模型用于这个新任务，通过扩展贝叶斯典型相关分析（CCA）的生成模型，不仅考虑多维协变量信息作为总体先验，还通过一个假设代谢物以相关群组方式出现的综合因子分析来减少维度。
作者：Ilkka Huopaniemi, Tommi Suvitaival, Janne Nikkil"a, Matej Orev{s}iv{c}, Samuel Kaski
论文ID：0912.3211
分类：Machine Learning
分类简称：stat.ML
提交时间：2009-12-17