디리클레 과정 및 혼합 모형

디리클레 과정은 분포에 대한 사전 확률이며, 그 이산성으로 인해 데이터로부터 클러스터 수를 추론하는 혼합 모형의 자연스러운 기반이 됩니다.

Definition

디리클레 과정은 실현이 확률 측도인 확률 과정입니다. 디리클레 과정 혼합 모형은 이러한 이산 확률 측도를 커널과 합성하여 무작위적이고 데이터에 의해 결정되는 수의 구성요소를 가진 혼합을 생성합니다.

Scope

이 주제는 디리클레 과정과 그 집중 모수 및 기본 측도, 폴리아 항아리 및 중국집 과정 표현, 이들이 유도하는 클러스터링, 그리고 무한한 수의 구성요소를 가진 밀도 추정 및 클러스터링에 사용되는 디리클레 과정 혼합 모형을 다룹니다.

Core questions

• 디리클레 과정의 집중 모수와 기본 측도는 무엇입니까?
• 폴리아 항아리 및 중국집 과정은 클러스터링을 어떻게 설명합니까?
• 디리클레 과정 혼합은 클러스터 수를 어떻게 추론합니까?
• 이러한 모형에 대한 사후 추론은 어떻게 수행됩니까?

Key concepts

• 디리클레 과정
• 집중 모수
• 기본 측도
• 중국집 과정
• 폴리아 항아리 모형
• 무한 혼합 모형
• 클러스터링

Key theories

디리클레 과정

Ferguson은 디리클레 과정을 정의하여 모든 유한 분할에 대한 값이 디리클레 분포를 따르도록 했으며, 이는 분포에 대한 켤레적이고 거의 확실하게 이산적인 사전 확률을 제공합니다.

디리클레 과정 혼합

디리클레 과정 분포를 따르는 측도에 연속 커널을 혼합하면 유연한 밀도 추정 및 무한한 수의 구성요소를 가진 클러스터링이 가능하며, 깁스 샘플링을 통해 추론이 이루어집니다.

Clinical relevance

디리클레 과정 혼합은 그룹 수를 고정하지 않고 모형 기반 클러스터링 및 밀도 추정을 수행하며, 이는 유전체학, 인구 아형 분류 및 클러스터 수를 알 수 없는 다른 환경에서 유용합니다.

History

Ferguson은 1973년에 디리클레 과정을 정의했고, Antoniak은 1974년에 디리클레 과정의 혼합을 도입했습니다. Escobar와 West의 1995년 깁스 샘플링 접근 방식은 디리클레 과정 혼합을 밀도 추정 및 클러스터링을 위한 실용적인 도구로 만들었습니다.

Debates

집중 모수에 대한 민감도

추론된 클러스터의 수는 집중 모수와 기본 측도에 따라 달라지므로, 사전 선택은 클러스터링 결과에 실질적인 영향을 미치며 신중하게 다루어야 합니다.

Key figures

• Thomas Ferguson
• Charles Antoniak
• Michael Escobar
• Mike West

Seminal works

• ferguson1973
• escobar1995

Frequently asked questions

디리클레 과정 혼합은 클러스터 수를 어떻게 결정합니까?

클러스터 수를 고정하지 않습니다. 디리클레 과정은 임의의 많은 클러스터를 허용하며, 데이터와 집중 모수에 의해 구동되는 사후 확률은 점유된 클러스터의 다양한 수에 걸쳐 확률을 할당합니다.