Random Partition Models with Regression on Covariates.
Random Partition Models with Regression on Covariates.
复制标题
DOI：
10.1016/j.jspi.2010.03.002
复制
发表时间：
2010-10-01
影响因子：
0.9
通讯作者：
Quintana, Fernando
中科院分区：
文献类型：
--
作者：
Muellner, Peter;Quintana, Fernando
非参数贝叶斯推理的许多最新应用都使用随机划分模型，即用于对一组实验单元进行聚类的概率模型。我们回顾一下流行的基本结构。然后我们将重点关注此类模型的有趣扩展。在许多应用中，可以使用协变量来先验地通知聚类。这导致了由协变量索引的随机聚类模型，即结果是实验单元的分区的回归模型。我们讨论了最近文献中用于实现此类模型的一些替代方法，重点是最近提出的产品划分模型的扩展。所审查的几种方法最初并不打算作为基于协变量的随机划分模型，但可以用于此类推理。
Many recent applications of nonparametric Bayesian inference use random partition models, i.e. probability models for clustering a set of experimental units. We review the popular basic constructions. We then focus on an interesting extension of such models. In many applications covariates are available that could be used to a priori inform the clustering. This leads to random clustering models indexed by covariates, i.e., regression models with the outcome being a partition of the experimental units. We discuss some alternative approaches that have been used in the recent literature to implement such models, with an emphasis on a recently proposed extension of product partition models. Several of the reviewed approaches were not originally intended as covariate-based random partition models, but can be used for such inference.
登录
查看更多内容
影响因子：
2.9
作者：
JORDAN, MI;JACOBS, RA
通讯作者：
JACOBS, RA
影响因子：
4.5
作者：
ANTONIAK, CE
通讯作者：
ANTONIAK, CE
影响因子：
4.5
作者：
FERGUSON, TS
通讯作者：
FERGUSON, TS
DOI：
10.1111/j.1467-9868.2007.00582.x
发表时间：
2007-01-01
影响因子：
5.8
作者：
Dunson, David B.;Pillai, Natesh;Park, Ju-Hyun
通讯作者：
Park, Ju-Hyun
DOI：
10.1080/01621459.1993.10594323
发表时间：
1993-03-01
影响因子：
3.7
作者：
BARRY, D;HARTIGAN, JA
通讯作者：
HARTIGAN, JA