Esiste un metodo standard per affrontare il problema del cambio di etichetta nella stima MCMC dei modelli di miscele?


15

La commutazione delle etichette (ovvero la distribuzione posteriore è invariante rispetto alle etichette dei componenti di commutazione) è un problema problematico quando si utilizza MCMC per stimare i modelli di miscela.

  1. Esiste una metodologia standard (come ampiamente accettata) per affrontare il problema?

  2. Se non esiste un approccio standard, quali sono i pro e i contro dei principali approcci per risolvere il problema del cambio di etichetta?


Stavo pensando di chiedere "Come posso fare un modello MCMC dell'output su lmer per modelli con pendenze casuali?" ma mi chiedo se questa domanda sia superflua con questa. Cioè, il "problema di cambio di etichetta" quando si utilizza MCMC per stimare i modelli di miscele lo stesso tipo di problema prende in modo che pvals.fnc () in languageR sia in grado di intercettare modelli MCMC ma non modelli con pendenze? Altrimenti, per favore fatemi sapere e tornerò a porre la mia domanda iniziale.
Russellpierce,

@drknexus Non conosco R per commentare la tua domanda. Forse, dovresti semplicemente pubblicare la tua domanda con un commento che il tuo qn potrebbe essere allineato a questo.

Risposte:


14

C'è una discussione piacevole e ragionevolmente recente di questo problema qui:

Christian P. Robert Multimodalità e cambio di etichetta: una discussione. Workshop sulle miscele, ICMS 3 marzo 2010.

In sostanza, ci sono diverse strategie standard e ognuna ha pro e contro. La cosa più ovvia da fare è formulare il priore in modo tale da garantire che vi sia un solo modo posteriore (ad es. Ordinare i mezzi dei componenti di miscelazione), ma questo risulta avere uno strano effetto sul posteriore, e pertanto non viene generalmente utilizzato. Il prossimo è ignorare il problema durante il campionamento e quindi post-elaborare l'output per rietichettare i componenti per mantenere coerenti le etichette. È facile da implementare e sembra funzionare correttamente. Gli approcci più sofisticati riesciano a rietichettare on-line, mantenendo una modalità singola o permutando deliberatamente le etichette in modo casuale per garantire la miscelazione su più modalità. Mi piace molto il secondo approccio, ma questo lascia ancora il problema di come riassumere in modo significativo l'output. Tuttavia, lo vedo come un problema separato.


1
sembra che il collegamento sia interrotto
Edgar Santos,

Ho corretto il collegamento trovandolo su web.archive.org e fornendo il collegamento a una copia delle diapositive ospitate dall'autore su SlideShare.
Tim

9

Gilles Celeux ha anche lavorato sul problema del cambio di etichetta, ad es

G. Celeux, inferenza bayesiana per Mixture: il problema del cambio di etichetta. Atti Compstat 98 , pagg. 227-232, Physica-Verlag (1998).

A complemento della bella risposta di @ darrenjw, ecco due articoli online che hanno esaminato strategie alternative:

  1. Jasra et al., Markov Chain Monte Carlo Methods and the Label Switching Problem in Bayesian Mixture Modeling
  2. Sperrin et al., Strategie probabilistiche di rietichettatura per il problema del cambio di etichetta nei modelli di miscele bayesiane
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.