고차원 선형 및 로지스틱 회귀모형에 대한 변분 베이즈 방법 소개 (Introduction to variational Bayes for high-dimensional linear and logistic regression models)

서지정보

· 발행기관 : 한국통계학회
· 수록지 정보 : 응용통계연구 / 35권 / 3호 / 445 ~ 455페이지
· 저자명 : 장인송, 이경재

초록

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.

영어초록

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. In high-dimensional logistic regression using real data, we conduct a study comparing the performance between the variational Bayes and other state-of-the-art Bayesian methods.

참고자료

· 없음