返回
Bayesian Clustering Factor Models
DOI:10.1002/sim.70350.png)
摘要
En 中文
我们提出了一种用于同时降维和聚类的全新框架。该框架基于一类新颖的贝叶斯聚类因子模型。这些模型假设因子模型结构,其中公共因子向量遵循高斯分布的混合分布。我们开发了一种Gibbs采样器来探索后验分布,并提出了一个信息准则以选择聚类数量和因子数量。模拟研究显示,我们的推断方法能够恰当量化不确定性。此外,与两种先前发表的竞争方法相比,我们的信息准则在正确选择聚类数量和因子数量方面表现更优。最后,我们通过将框架应用于阿片类药物使用障碍康复数据的应用实例,展示了其能力,其中个体聚类可能有助于个性化医疗保健。
Keyword:
Bayesian factors models
clustering methods
mixtures of Gaussian distributions
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
S
IF:
1.8
论文数:
315
被引数:
3.4W

