Introduction to variational Bayes for high-dimensional linear and logistic regression models
1. 서론 2. 고차원 회귀모형에 대한 사전분포 및 변분 베이즈 방법 3. 시뮬레이션 자료 분석을 통한 비교연구 4. 실제 자료 분석을 통한 비교연구 5. 결론 References
본 논문에서는 고차원 희소 회귀분석을 위한 기존의 베이지안 방법들을 소개하고, 다양한 모의실험 세팅에서 성능을 비교한다. 특히, 확장 가능하고 정확한 베이지안 추론을 가능하게 하는 변분 베이즈 방법(variational Bayes method) (Ray와 Szabó, 2021)에 중점을 둔다. 시뮬레이션 자료를 기반으로 한 희소 고차원 선형 회귀분석을 실시하고 변분 베이즈 방법의 성능을 다른 베이지안 및 빈도론 방법들과 비교한다. 로지스틱 회귀분석에서 변분 베이즈 방법의 실제 성능을 확인하기 위해 백혈병 유전자 발현 자료를 사용하여 실자료 분석을 수행한다.
In this paper, we introduce existing Bayesian methods for high-dimensional sparse regression models and compare their performance in various simulation scenarios. Especially, we focus on the variational Bayes approach proposed by Ray and Szabó (2021), which enables scalable and accurate Bayesian inference. as a method to solve the computational problems of existing Bayesian methods in high-dimensional situations, and conduct a study comparing it with other variable selection methods through data analysis. Based on simulated data sets from sparse high-dimensional linear regression models, we compare the variational Bayes approach with other Bayesian and frequentist methods. In high-dimensional linear regression using simulation data, we conduct a study comparing the performance between the variational Bayes and various frequentist and Bayesian methods. To check the practical performance of the variational Bayes in logistic regression models, a real data analysis is conducted using leukemia data set.
한국학술정보㈜의 모든 학술 자료는 각 학회 및 기관과 저작권 계약을 통해 제공하고 있습니다.
이에 본 자료를 상업적 이용, 무단 배포 등 불법적으로 이용할 시에는 저작권법 및 관계법령에 따른 책임을 질 수 있습니다.
간행물명 | 최신권호 |
---|---|
|
30권 1호 |
|
35권 6호 |
|
29권 6호 |
|
35권 5호 |
|
29권 5호 |
|
35권 4호 |
|
29권 4호 |
|
29권 3호 |
|
35권 3호 |
|
35권 2호 |
|
29권 2호 |
|
35권 1호 |
통계연구 |
22권 0호 |
|
29권 1호 |
|
34권 6호 |
|
28권 6호 |
|
34권 5호 |
|
28권 5호 |
|
28권 4호 |
|
34권 4호 |
자료제공: 네이버학술정보 |
---|
자료제공: 네이버학술정보 |
---|
본 자료는 원문파일이 존재하지 않거나 서비스를 위한 준비 중입니다.
빠른 시일 내에 서비스할 수 있도록 노력하겠습니다.
관련문의사항은 kiss@kstudy.com 으로 연락주시기 바랍니다.
감사합니다.
개인회원가입으로 더욱 편리하게 이용하세요.
아이디/비밀번호를 잊으셨나요?