Variational inference for sparse poisson regression

Kharabati, Mitra

doi:10.1007/s00180-026-01733-7

Variational inference for sparse poisson regression

2026-04-08

0

PRE

AI

DOI：10.1007/s00180-026-01733-7

原文链接

原文求助

摘要

En 中文

我们利用非共轭变分贝叶斯（VB）方法解决了稀疏泊松回归模型的问题。为在模型中提供近似共轭性，似然函数被近似为二次函数，从而在近似分量与回归系数的高斯先验之间实现了共轭。针对该问题，使用了三种稀疏性约束先验（拉普拉斯、连续尖峰和阶跃、伯努利）。所提出的模型相互之间以及与相关MCMC模型和两种频率学派稀疏泊松方法（LASSO和SCAD）进行了比较，以评估其估计、预测和稀疏性能。在模拟研究中，所提出的VB方法能够很好地近似后验参数分布，同时计算速度显著快于基准MCMC方法。通过使用多个基准计数响应数据集，评估了所提出方法在实际应用中的预测性能。

Keyword:

Non-conjugate Variational Bayes

Bayesian variable selection

Count regression

Variational inference for sparse poisson regression

摘要

期刊

机构