高斯图模型的期望条件最大化方法
摘要：贝叶斯图模型在理解许多变量之间的依赖关系方面是一种有用的工具，特别是在存在外部先验信息的情况下。在高维设置中，可能的图形空间变得非常庞大，使得即使是最先进的贝叶斯随机搜索在计算上也是不可行的。我们提出了一种确定性的替代方法，使用期望条件极大化（ECM）算法来估计高斯图和高斯构 copula 图模型，将 EM 方法从贝叶斯变量选择扩展到图模型估计。我们证明了 ECM 方法在一系列混合先验下能够实现快速的后验探索，并可以整合多个信息源。
作者：Zehang Richard Li and Tyler H. McCormick
论文ID：1709.06970
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-02-07