高通量数据中的噪声和非线性
摘要：高通量数据分析在生物学、通信、经济学和社会学中越来越普遍。海量数据通常以矩阵的形式表示，可以视为知识网络。基于谱的方法已被证明在提取此类网络中的隐藏信息和估计缺失数据方面非常有用，但这些方法基本上是基于线性假设的。匹配的物理模型，当适用时，通常暗示非线性机制，有时可能被识别为噪声。然而，在数据分析中使用非线性模型可能需要引入许多参数，从而降低模型的统计权重。根据数据的质量，简单的线性分析可能比更复杂的方法更方便。 本文展示了如何使用简单的非参数贝叶斯模型来研究合成和实验数据集中的非线性和噪声的作用。
作者：Viet-Anh Nguyen, Zdena Koukolikova-Nicola, Franco Bagnoli, Pietro Lio
论文ID：1001.0685
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2010-01-06