Dirichlet Süreci ve Karışım Modelleri
Dirichlet süreci, ayrık yapısı nedeniyle verilerden küme sayısını çıkarsayan karışım modelleri için doğal bir temel oluşturan dağılımlar üzerinde bir önseldir.
Tanım
Dirichlet süreci, gerçekleşmeleri olasılık ölçüleri olan stokastik bir süreçtir; bir Dirichlet süreci karışım modeli, bu ayrık rastgele ölçüleri bir çekirdek (kernel) ile evriştirerek, rastgele, veriye dayalı sayıda bileşene sahip bir karışım elde etmektedir.
Kapsam
Bu konu, Dirichlet sürecini ve onun konsantrasyon parametresini ve temel ölçüsünü, Polya kavanozu ve Çin restoranı süreci temsillerini, bunların indüklediği kümelenmeyi ve sınırsız sayıda bileşenle yoğunluk tahmini ve kümelenme için kullanılan Dirichlet süreci karışım modelini kapsamaktadır.
Temel sorular
- Bir Dirichlet sürecinin konsantrasyon parametresi ve temel ölçüsü nelerdir?
- Polya kavanozu ve Çin restoranı süreci, kümelenmesini nasıl tanımlamaktadır?
- Bir Dirichlet süreci karışımı, küme sayısını nasıl çıkarsamaktadır?
- Bu modeller için sonsal çıkarım nasıl gerçekleştirilmektedir?
Anahtar kavramlar
- Dirichlet süreci
- konsantrasyon parametresi
- temel ölçü
- Çin restoranı süreci
- Polya kavanozu şeması
- sonsuz karışım modeli
- kümelenme
Temel kuramlar
- Dirichlet process
- Ferguson, Dirichlet sürecini, herhangi bir sonlu bölümlemedeki değerlerinin Dirichlet dağılımlı olacak şekilde tanımlamış ve dağılımlar üzerinde eşlenik, neredeyse kesin olarak ayrık bir önsel sağlamıştır.
- Dirichlet process mixtures
- Dirichlet süreci dağılımlı bir ölçü üzerinde sürekli bir çekirdeğin (kernel) karıştırılması, Gibbs örneklemesi yoluyla çıkarım ile sınırsız sayıda bileşene sahip esnek yoğunluk tahminleri ve kümelenme sağlamaktadır.
Klinik önem
Dirichlet süreci karışımları, grup sayısını sabitlemeden modele dayalı kümelenme ve yoğunluk tahmini gerçekleştirmektedir; bu durum, genomik, popülasyon alt tiplemesi ve küme sayısının bilinmediği diğer ortamlarda değerli olmaktadır.
Tarihçe
Ferguson, Dirichlet sürecini 1973'te tanımlamış ve Antoniak, Dirichlet süreçlerinin karışımlarını 1974'te tanıtmıştır. Escobar ve West'in 1995'teki Gibbs örnekleme yaklaşımı, Dirichlet süreci karışımlarını yoğunluk tahmini ve kümelenme için pratik bir araç haline getirmiştir.
Tartışmalar
- Konsantrasyon parametresine duyarlılık
- Çıkarsanan küme sayısı, konsantrasyon parametresine ve temel ölçüye bağlıdır, bu nedenle önsel seçimler kümelenme sonuçlarını önemli ölçüde etkilemekte ve dikkatle ele alınması gerekmektedir.
Öne çıkan isimler
- Thomas Ferguson
- Charles Antoniak
- Michael Escobar
- Mike West
İlgili konular
Temel eserler
- ferguson1973
- escobar1995
Sıkça sorulan sorular
- Bir Dirichlet süreci karışımı, kaç küme olduğunu nasıl belirlemektedir?
- Küme sayısını sabitlememektedir; Dirichlet süreci keyfi olarak çok sayıda kümeye izin vermekte ve veri ile konsantrasyon parametresi tarafından yönlendirilen sonsal, farklı sayıda dolu küme üzerine olasılık atamaktadır.