.png){kind=icon}
返回
Bayesian Cluster Weighted Gaussian Models
.png){kind=icon}
PRE
AI
DOI：10.1007/s00357-026-09555-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们介绍了一种用于具有随机协变量的正态线性回归模型混合的贝叶斯推断新框架。这类混合模型属于聚类加权模型类别。提出的贝叶斯聚类加权模型旨在涵盖响应变量分布中的潜在异质性以及协变量多元分布中的潜在异质性，以检测与潜在隐含结构相关的信号。特别感兴趣的是可能来自：(i)回归模型的线性预测结构以及(ii)协变量协方差结构的信号。我们使用拉索收缩先验对回归系数进行建模，并使用图拉索收缩先验对协方差矩阵进行建模。我们采用完全贝叶斯方法来估计聚类数量，将混合分量数量视为随机变量，并实现跨维度望远镜采样器。基于过拟合混合模型或使用信息准则选择分量数量的替代贝叶斯方法也被考虑。所提出的方法在模拟研究和生物医学数据集的应用中与回归混合、专家混合以及现有的聚类加权模型进行了比较。
Keyword:
Generalized mixture
Markov chain Monte Carlo
Model-based clustering
Regression analysis
Random covariates
