The Infinite Hierarchical Factor Regression Model
The Infinite Hierarchical Factor Regression Model
复制标题
DOI：
--
复制
发表时间：
2008-12
期刊：
影响因子：
--
通讯作者：
Piyush Rai;Hal Daumé
中科院分区：
文献类型：
--
作者：
Piyush Rai;Hal Daumé
我们提出了一个非参数贝叶斯因子回归模型，该模型考虑了因子数量的不确定性以及因子之间的关系。为了实现这一点，我们提出了一个稀疏的变体的印度自助餐过程和耦合的因素，金曼的聚结的基础上的层次模型。我们将此模型应用于基因表达数据分析中的两个问题（因子分析和因子回归）。
We propose a nonparametric Bayesian factor regression model that accounts for uncertainty in the number of factors, and the relationship between factors. To accomplish this, we propose a sparse variant of the Indian Buffet Process and couple this with a hierarchical model over factors, based on Kingman's coalescent. We apply this model to two problems (factor analysis and factor regression) in gene-expression data analysis.