Существует ли стандартный метод для решения проблемы переключения меток при оценке MCMC моделей смесей?

15

Переключение меток (т. Е. Апостериорное распределение инвариантно к переключению меток компонентов) является проблемной проблемой при использовании MCMC для оценки моделей смесей.

  1. Существует ли стандартная (как в общепринятой) методология для решения этой проблемы?

  2. Если стандартного подхода не существует, каковы плюсы и минусы ведущих подходов к решению проблемы переключения меток?

bayesian mcmc mixture Whuber
источник
Я размышлял над вопросом: «Как я могу сделать модель MCMC вывода на lmer для моделей со случайным уклоном?» но мне интересно, является ли этот вопрос излишним с этим. То есть, возникает ли «проблема переключения меток», когда при использовании MCMC для оценки моделей смесей возникает такая же проблема, что pvals.fnc () в languageR может MCMC перехватывать модели, но не модели с уклонами? Если нет, пожалуйста, дайте мне знать, и я вернусь, чтобы задать свой первоначальный вопрос.
Расселпирс
@drknexus Я не знаю, чтобы прокомментировать ваш вопрос. Возможно, вы должны просто опубликовать свой вопрос с комментарием, что ваш qn может быть привязан к этому.

Ответы:

14

Здесь есть хорошее и довольно недавнее обсуждение этой проблемы:

Кристиан П. Роберт Мультимодальность и переключение меток: дискуссия. Семинар по смесям, ICMS 3 марта 2010 г.

По сути, существует несколько стандартных стратегий, и у каждой есть свои плюсы и минусы. Наиболее очевидная вещь, которую нужно сделать, - сформулировать априор таким образом, чтобы гарантировать, что существует только один задний режим (например, упорядочить средства компонентов смешения), но оказывается, что это оказывает странное влияние на задний план, и поэтому обычно не используется. Далее следует игнорировать проблему во время выборки, а затем постобработать выходные данные, чтобы повторно пометить компоненты, чтобы сохранить согласованность меток. Это легко реализовать и, кажется, работает нормально. Более сложные подходы повторно маркируют онлайн, сохраняя одиночный режим, или преднамеренно произвольно переставляя метки, чтобы обеспечить смешивание в нескольких режимах. Мне вполне нравится последний подход, но он все еще оставляет проблему, заключающуюся в том, как подвести итоги. Однако я вижу это как отдельную проблему.

Даррен Уилкинсон
источник
1
кажется, что ссылка не работает
Эдгар Сантос
Я исправил ссылку, найдя ее на web.archive.org и предоставив ссылку на копию этих слайдов, размещенную автором на SlideShare.
Тим
9

Жиль Селё также занимался проблемой переключения меток, например:

Дж. Селё, Байесовский вывод для Mixture: проблема переключения меток. Слушания Compstat 98 , стр 227-232, Physica-Verlag (1998).

В качестве дополнения к прекрасному ответу @ darrenjw, вот две онлайн-статьи, в которых рассматриваются альтернативные стратегии:

  1. Ясра и др., Марковские методы Монте-Карло с цепочкой и проблема переключения меток в байесовском моделировании смеси
  2. Сперрин и др., Вероятностные стратегии перемаркировки для задачи переключения меток в моделях байесовской смеси
хл
источник